社会性灵长类胃肠道寄生虫再感染：暴露与易感性驱动研究
该数据集来自 search.dataone.org，聚焦社会性灵长类胃肠道寄生虫再感染问题。数据涵盖行为指标（社会联系、理毛、地面使用）与生理指标（粪便糖皮质激素、尿液 C-Peptides、尿液 neopterin、胃肠道蠕虫共感染），并采用 patch occupancy modelling 与
基本信息
资源简介
社会性灵长类胃肠道寄生虫再感染：暴露与易感性驱动研究
Exposure and susceptibility drive reinfection with gastrointestinal parasites in a social primate
该数据集来自 search.dataone.org，聚焦社会性灵长类胃肠道寄生虫再感染问题。研究以 Barbary macaques（Macaca sylvanus）为对象，在实验性驱虫后考察暴露与易感性因素对 strongyle nematode 再感染的影响，样本量为 n=57。数据涵盖行为指标（社会联系、理毛、地面使用）与生理指标（粪便糖皮质激素、尿液 C-Peptides、尿液 neopterin、胃肠道蠕虫共感染），并采用 patch occupancy modelling 与信息论模型选择确定最佳再感染预测模型。可用于研究群居生活传染病风险、宿主行为生理与寄生虫再感染关系及预测建模（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：1. 群居生活的一个主要代价被认为是传染病传播风险增加。虽然与通过接触感染阶段而暴露以及接触后感染易感性相对应的因素已相对清楚，但这两个方面很少被同时研究。2. 在此，我们评估了暴露和易感性指标对 Barbary macaques（Macaca sylvanus）（n=57）实验性驱虫后 strongyle nematode 再感染的影响。我们使用 patch occupancy modelling 和信息论模型选择，研究了行为（社会联系、理毛和地面使用）和生理（粪便糖皮质激素、尿液 C-Peptides、尿液 neopterin、胃肠道[GI]蠕虫共感染）对再感染可能性的影响，以确定预测再感染模式的最佳模型。3. 共感染是最 con
【主题与分类】
主题标签：nonhuman primate、reinfection、gastrointestinal parasite、Macaca slyvanus、susceptibility、anthelmintic treatment、exposure、Social relationships。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A0f6271af248c6d57ba3c0d69fda32d2f39887a042b595ebf8a8bb01241c26b4e
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
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
- 传染病传播风险增加被认为是群居生活的主要代价之一。尽管与接触感染阶段相关的传播因素和接触后感染的易感性因素已相对较为清楚，但这两个方面很少被同时研究。2. 在此，我们评估了暴露和易感性指标对巴巴里猕猴（Macaca sylvanus）（n=57）实验性驱虫后圆线虫再感染的影响。我们采用斑块占据模型和信息论模型选择方法，研究了行为（社会联系、理毛和地面使用）和生理（粪便糖皮质激素、尿液C-肽、尿液新蝶呤、胃肠道[GI]蠕虫共感染）对再感染可能性的影响，以确定预测再感染模式的最佳模型。3. 共感染是最一致的 risk factor，在推测受污染的土壤上花费时间、与许多伙伴互动……
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。
