养蜂人过敏性休克教育数据集

该数据集为一项针对斯洛文尼亚养蜂人的教育项目研究提供匿名个体层面数据,研究主题是提升养蜂人对过敏性休克识别与管理的知识与准备度,采用前后评估设计

ZenodoZenodo
datacite
浏览 12
其他分类AnaphylaxisOccupational HealthPublic HealthEducationAwarenessPrimary Prevention
Beekeepers Anaphylaxis Education Dataset

基本信息

模态
其他
任务类型
分类
许可
Creative Commons Attribution 4.0 International
创建/更新时间
2026-10-07
版本
1.0

资源简介

养蜂人过敏性休克教育数据集

Beekeepers Anaphylaxis Education Dataset

该数据集为一项针对斯洛文尼亚养蜂人的教育项目研究提供匿名个体层面数据,研究主题是提升养蜂人对过敏性休克识别与管理的知识与准备度,采用前后评估设计。数据来自参与教育项目的养蜂人,并附有描述数据集结构与变量的文档。可用于分析教育干预前后知识或准备度的变化,支持过敏性休克相关的职业健康、公共卫生与一级预防研究,也可用于分类或预测建模(来源 DOI 解析,Creative Commons Attribution 4.0 International 许可)。

【数据集背景】

源站首次发布:2026。

【数据内容】

源站描述(机器翻译,仅供参考):该存储库包含支持文章《A proactive approach to improving knowledge and preparedness for anaphylaxis management among beekeepers: a pre–post evaluation of an educational program》的匿名研究数据集。该数据集包含从参与过敏性休克识别与管理教育项目的斯洛文尼亚养蜂人处收集的匿名个体层面数据。该存储库还包含描述数据集结构和变量的文档。

【主题与分类】

主题标签:Anaphylaxis、Occupational Health、Public Health、Education、Awareness、Primary Prevention。本站分类:免疫系统疾病/过敏性休克。

【获取与许可】

源站页面:https://zenodo.org/doi/10.5281/zenodo.21785750

使用许可:Creative Commons Attribution 4.0 International。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://doi.org/10.5281/zenodo.21785750

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

该存储库包含支持文章《一种提高养蜂人过敏反应管理知识与准备度的主动方法:教育项目的前后评估》的匿名研究数据集。该数据集包含从参与过敏反应识别与管理教育项目的斯洛文尼亚养蜂人处收集的匿名个体层面数据。该存储库还包括描述数据集结构和变量的文档。

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。

获取专属数据定制方案