医学生干眼症数据集
该数据集是一个包含医学生群体在新冠疫情期间设备使用情况与干眼症症状关联研究的临床调查数据集，数据模态主要包括临床表格和问卷调查文本，旨在分析封锁期间电子设备使用增加对干眼症患病风险的影响，适用于眼科流行病学、公共卫生行为研究及数字健康干预策略的探索。
基本信息
资源简介
医学生干眼症数据集
【数据集背景】
本数据集源站标题为《Dry Eye Disease in Medical Students》。源站首次发布：2020-08-15。
【数据内容】
源站原始描述：### Context Recently me and my friends were doing a research study on Dry eye Disease(which is completely curable), We were curious to know how is usage of smartphones.Tablets or even watching Television has changed in this lockdown. ### Content The Study mainly focuses on finding the symptoms such as painful or sore eyes, gritty eyes etc. Based on Ocular Surface Diseast Index (OSDI). ### Acknowledgements The Data was collected raw(as you see) of our fellow medical students. Data Size is of resp…
【数据结构与技术规格】
文件数 1 个，合计 122.26 KB。
【主题与分类】
主题标签：health conditions、eyes and vision、mobile and wireless。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/shankar24397/dry-eye-disease-in-medical-students
使用许可：Unknown。
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。
需登录公开下载
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。
暂未开放有偿下载
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("shankar24397/dry-eye-disease-in-medical-students")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d shankar24397/dry-eye-disease-in-medical-students
unzip dry-eye-disease-in-medical-students.zip -d dry-eye-disease-in-medical-students/
数据说明
该数据集聚焦于医学生群体中的干眼症研究，主要分析在新冠疫情期间，由于封锁措施导致各类电子设备使用时长增加，对医学生干眼症患病率或症状变化的影响。数据集可能包含医学生的设备使用习惯（如屏幕时间）、干眼症相关症状评估、人口统计学信息等临床或调查数据，数据来源于对特定学生群体的研究收集。该数据集可用于研究环境与行为因素（尤其是数字化设备使用）对干眼症发病的影响，为公共卫生干预和眼科健康管理提供依据。
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。
