川崎病与多系统炎症综合征数据集

该数据集包含基于疫苗不良反应报告系统(VAERS)的川崎病与多系统炎症综合征病例回顾性临床数据,涵盖患者人口统计学、疫苗接种史、不良事件描述及诊断结果等多模态临床表格与文本信息,主要用于疫苗安全性监测、川崎病流行病学分析以及免疫相关炎症疾病的临床与公共卫生研究。

DataONE
2025-05-24 更新
浏览 28
MedicineHealth and Life Sciences疫苗编码
Kawasaki Disease and Multisystem Inflammatory Syndromes Dataset

基本信息

大小
0.000002979 GB
创建/更新时间
2025-05-24

资源简介

川崎病与多系统炎症综合征数据集

【一句话概览】

该研究题为《川崎病与多系统炎症综合征》,采用回顾性方法,基于疫苗不良事件报告系统(VAERS)的数据展开分析,属于医学、健康与生命科学领域(来源 DataONE)。

【数据集背景】

本数据集源站标题为《Kawasaki disease and Multisystem Inflammatory Syndromes》。

【数据内容】

源站原始描述:Kawasaki disease and Multisystem Inflammatory Syndromes retrospective Vaccine Adverse Event Reporting System (VAERS) study

中文译文(机器翻译,仅供快速理解,请以原文为准):川崎病与多系统炎症综合征的回顾性疫苗不良事件报告系统(VAERS)研究

【主题与分类】

主题标签:Medicine, Health and Life Sciences。

【获取与许可】

源站页面:https://search.dataone.org/view/sha256:13909858b2a217670a4c6dde7b65688033719f5cd54b9742c0fb8085647c8d05

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

免登录

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取

源站:https://search.dataone.org/view/sha256:13909858b2a217670a4c6dde7b65688033719f5cd54b9742c0fb8085647c8d05

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 部分平台提供 SDK,例如:
    • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
    • ModelScope: pip install modelscope 后 modelscope download
    • 天池: 登录后页面提供直链下载
      以源站「数据下载/使用文档」页面为准。

数据说明

该数据集是基于美国疫苗不良反应报告系统(VAERS)开展的回顾性研究数据集,主要聚焦于川崎病(Kawasaki Disease)及多系统炎症综合征(MIS)的相关病例报告。数据来源于VAERS系统中收集的临床不良反应报告,包含患者人口学信息、疫苗接种记录、不良事件描述、诊断结果及临床病程等结构化与文本信息。该数据集适用于疫苗安全性监测、川崎病流行病学特征分析、免疫相关炎症综合征的临床研究,以及公共卫生政策评估等方向。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案