Trachoma Atlas数据
全球沙眼地图和数据可视化，含沙眼性倒睫流行区信息，由International Trachoma Initiative提供，来自Trachoma Atlas数据库，数据格式为表格，适用于分类任务。
基本信息
资源简介
Trachoma Atlas数据
【一句话概览】
Trachoma Atlas 是一个以地图形式呈现沙眼相关数据的工具，涵盖沙眼炎症滤泡（TF）患病率、沙眼倒睫（TT）患病率、治疗情况与消除状态等图层。用户可按年份查看患病率与治疗数据，并叠加基线 TF 患病率、累计治疗轮次、TF 患病率下降 50%、国家消除状态、持续性及复发性 TF 等汇总图层。地图支持搜索地点、显示行政边界与 IU 边界，并提供图例区分不同患病率区间，从低于 5% 到 50% 及以上，以及疑似流行区。地图可下载为图片或 PDF，使用时须保留 Mapbox 标识与文字署名且不得修改（来源 trachomaatlas.org）。
【数据集背景】
本数据集源站标题为《Trachoma Atlas》。
【数据内容】
源站原始描述：5000 km Map Options Search locations Show Admin1 Boundaries Show Admin1 Names Show All IU Boundaries Layers by Year TF Prevalence Year Treatment Year Summary Layers Baseline TF Prevalence Cumulative Rounds of Treatment 50% Reduction in TF Prevalence Country Elimination Status TT Prevalence Persistent & Recrudescent TF Legend TF Prevalence <5% 5-9.9% 10-29.9% 30-49.9% ≥50% Suspected Endemic User Guide EN Download as IMAGE PDF Note: the Mapbox logo and text attribution is required and cannot be mo…
中文译文（机器翻译，仅供快速理解，请以原文为准）：5000公里 地图选项 搜索位置 显示一级行政区边界 显示一级行政区名称 显示所有IU边界 按年份图层 TF患病率 治疗年份 摘要图层 基线TF患病率 累计治疗轮次 TF患病率下降50% 国家消除状态 TT患病率 持续性和复发性TF 图例 TF患病率 <5% 5-9.9% 10-29.9% 30-49.9% ≥50% 疑似地方性流行 用户指南 EN 下载为图像 PDF 注意：在出版物中使用Trachoma Atlas地图时，必须保留Mapbox徽标和文字署名，且不得修改。
【主题与分类】
主题标签：Trachoma、TF Prevalence、TT Prevalence、Treatment、Elimination、Atlas、Map。
【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.trachomaatlas.org/
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。
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
源站：https://www.trachomaatlas.org/
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
全球沙眼地图和数据可视化，含沙眼性倒睫流行区信息。
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。
