加纳阿散蒂地区城乡及城郊疟疾患者血液学参数影响复制数据
该数据集来自加纳阿散蒂地区三家不同定居点(农村、城郊、城市)的医院横断面研究,共纳入598名参与者,于2018年1月至12月采集数据

基本信息
资源简介
加纳阿散蒂地区城乡及城郊疟疾患者血液学参数影响复制数据
Replication Data for: Impact of malaria on haematological parameters of urban, peri-urban and rural patients in the Ashanti region of Ghana
该数据集来自加纳阿散蒂地区三家不同定居点(农村、城郊、城市)的医院横断面研究,共纳入598名参与者,于2018年1月至12月采集数据。研究通过Giemsa染色血涂片检测和定量疟疾寄生虫血症,并使用血液分析仪测定血液学参数。数据可用于分析不同定居点疟疾患病率与寄生虫密度的差异,以及疟疾感染对红细胞计数、血红蛋白水平等血液学指标的影响,适合开展疟疾流行病学与血液学关联研究(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):本研究旨在调查不同人口定居点(如农村、城郊和城市定居点)的疟疾患者中发生的血液学变化。我们于2018年1月至12月在三个不同定居点开展了一项基于医院的横断面研究。研究共招募了598名参与者。检查Giemsa染色血涂片以检测和定量疟疾寄生虫血症,同时使用血液分析仪测量血液学参数。与其他研究社区相比,农村定居点的疟疾患病率最高(p=0.009)。三个社区之间的寄生虫密度差异也显著(p=0.0149)。当将疟疾感染人群与未感染人群进行比较时,红细胞计数(p=0.0170)、血红蛋白水平(p=0.0165)、m
【主题与分类】
主题标签:Malaria hematology、Medicine, Health and Life Sciences。本站分类:血液及造血器官疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3Aa9fab6b8f7c7bcc34e166b64a0ac3a41c33f5aacdd7440df9e2b3ad4b66d4a12
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
本研究旨在调查疟疾患者在不同人口聚居地(如农村、城郊和城市聚居地)中发生的血液学变化。我们于2018年1月至12月在三个不同聚居地开展了一项基于医院的横断面研究。研究共招募了598名参与者。采用吉姆萨染色血涂片检测和定量疟疾寄生虫血症,同时使用血液分析仪测定血液学参数。与其他研究社区相比,农村聚居地的疟疾患病率最高(p=0.009)。三个社区之间的寄生虫密度差异也具有显著性(p=0.0149)。将疟疾感染人群与未感染人群进行比较时,红细胞计数(p=0.0170)、血红蛋白水平(p=0.0165)、平均红细胞体积(p=0.0139)和血小板计数(p<0.0001)均存在差异。
感染患者的中位白细胞(p值<0.0001)、中性粒细胞(p值<0.0001)和淋巴细胞(p值<0.0269)差异显著高于农村和城市地区的疟疾患者,且前者来自城郊地区。城市、城郊和农村地区患者在血小板(p=0.0002)、血小板压积(p=0.0041)、平均血小板体积(p=0.0009)和血小板大细胞比率(p=0.0046)水平上也存在显著差异。与未感染患者相比,感染疟疾的患者通常红细胞、血红蛋白和血小板较低。疟疾感染引起的血液学参数变化可为在外周血中彻底查找寄生虫提供线索,这有助于改善疟疾诊断。
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。




