非O ABO血型基因型与恶性疟原虫玫瑰花结形成及重症疟疾关联的重复数据
该数据集为研究非O ABO血型基因型与恶性疟原虫玫瑰花结形成及重症疟疾关联的重复数据,包含来自Kilifi健康与人口监测系统(KHDSS)的病例对照研究(1403例病例、3929例对照)和纵向队列研究(242名儿童)的临床、流行病学及多种宿主基因型(含ABO血型)数据,以及利用人红细胞样本开展的体外

基本信息
资源简介
非O ABO血型基因型与恶性疟原虫玫瑰花结形成及重症疟疾关联的重复数据
Replication Data for: Non-O ABO blood group genotypes differ in their associations with Plasmodium falciparum rosetting and severe malaria
该数据集为研究非O ABO血型基因型与恶性疟原虫玫瑰花结形成及重症疟疾关联的重复数据,包含来自Kilifi健康与人口监测系统(KHDSS)的病例对照研究(1403例病例、3929例对照)和纵向队列研究(242名儿童)的临床、流行病学及多种宿主基因型(含ABO血型)数据,以及利用人红细胞样本开展的体外实验数据,涉及恶性疟原虫玫瑰花结形成和内皮细胞黏附等推定毒力表型。可用于分析ABO基因型与重症疟疾或非复杂性疟疾/无症状感染的关联(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):我们在此提供用于生成题为“非O ABO血型基因型与恶性疟原虫玫瑰花结形成及重症疟疾的关联存在差异”的手稿结果的重复数据集。此处包含的数据集由病例对照研究(n = 1403例病例和n = 3929例对照)和纵向队列研究(n = 242)的临床、流行病学及多种宿主基因型(包括ABO血型)数据组成,这些儿童作为Kilifi健康与人口监测系统(KHDSS)的一部分被招募,分别用于研究ABO基因型与重症疟疾或非复杂性疟疾/无症状感染之间的关联。还包括利用采集的人红细胞样本生成的一系列推定恶性疟原虫毒力表型(包括恶性疟原虫玫瑰花结形成和内皮细胞黏附)的体外实验数据。
【主题与分类】
主题标签:Severe malaria、Cytoadhesion、ABO blood group、Medicine, Health and Life Sciences、Rosette、ABO genotype。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%3A0939c2e640f51b192565382f456a675e71080e135c5afc347bb9e7171af09666
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
本文介绍用于生成手稿《非O型ABO血型基因型与恶性疟原虫玫瑰花结形成及重症疟疾的关联存在差异》结果所用的重复数据集。此处包含的数据集由一项病例对照研究(n = 1403例病例和n = 3929例对照)和一项纵向队列研究(n = 242)的临床、流行病学及多种宿主基因型(包括ABO血型)数据组成,研究对象为作为Kilifi健康与人口监测系统(KHDSS)一部分招募的儿童,分别用于考察ABO基因型与重症疟疾或非重症疟疾/无症状感染的关联。数据集还包括一系列推定恶性疟原虫毒力表型的体外实验数据,包括恶性疟原虫玫瑰花结形成和内皮细胞黏附,这些实验使用Kilifi纵向队列研究常规横断面调查期间采集的人红细胞样本进行,用于考察这些寄生虫表型在不同ABO基因型间的变异。
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。




