COVID-19对尼罗河三角洲地区青光眼患者预后和药物依从性的影响
一项评估COVID-19大流行对尼罗河三角洲地区青光眼患者药物依从性和随访影响的观察性横断面研究数据集。
基本信息
资源简介
COVID-19对尼罗河三角洲地区青光眼患者预后和药物依从性的影响
【数据集背景】
本数据集源站标题为《Influence of COVID‑19 on the prognosis and medication compliance of glaucoma patients in the Nile Delta Region》。
【数据内容】
源站原始描述：Purpose: To assess the influence of the COVID-19 pandemic on the medication adherence and follow-up of glaucoma patients in the Nile Delta Region. Patients and Methods: Study design: An observational cross-sectional study Study setting: Nile Delta Region, Egypt Patients'' records (2019-2020; group A) and (2020-2021; group B) were assessed for missed follow-up visits, medication adherence, number of trabeulectomies performed, and number of uncontrolled patients. In addition, a telephone-based ques…
中文译文（机器翻译，仅供快速理解，请以原文为准）：目的：评估COVID-19疫情对尼罗河三角洲地区青光眼患者用药依从性及随访的影响。患者与方法：研究设计：观察性横断面研究。研究地点：埃及尼罗河三角洲地区。对患者记录（2019-2020年；A组）和（2020-2021年；B组）进行评估，内容包括漏访的随访、用药依从性、施行的小梁切除术数量以及未控制患者的数量。此外，还对从B.G.U.随机选取的200名患者进行了电话问卷调查，以明确患者依从性差的潜在原因。结果：新诊断患者和定期随访患者的数量显著下降，A组和B组的发病率分别为0.208和0.088。第二年（B组）依从性良好的患者数量减少，发病率差为0.312。B组小梁切除术数量下降，A组发病率为0.131，而B组为0.081。另一方面，B组未控制青光眼患者数量增加，两组之间的发病率差为-0.231。参与问卷调查的患者中，21.5%认为经济问题是导致不依从的首要原因。合并症（19.5%）、封锁和交通困难也被重点提及。结论：COVID-19严重阻碍了尼罗河三角洲地区的青光眼诊疗。因此，我们需要实施远程医疗等新技术，并提高患者对青光眼诊疗的意识。
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.47d7wm3dt。
【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://doi.org/10.5061/dryad.47d7wm3dt
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/stash/dataset/doi:10.5061%2Fdryad.47d7wm3dt
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。
