疫苗不良事件报告系统
VAERS 是 CDC 与 FDA 共同维护的疫苗不良事件报告数据集，包含症状、疫苗、时间和结果等表格信息，可用于疫苗相关过敏反应、过敏性休克和信号检测研究。
基本信息
资源简介
疫苗不良事件报告系统
【一句话概览】
VAERS 数据集提供 CSV 和压缩 ZIP 文件下载，用户可按所需时间间隔选择下载。每个数据集既可下载为 ZIP 文件，也可下载为单独的 CSV 文件；每个压缩文件包含对应数据集的三个 CSV 文件。关于 VAERS 数据，可查看 VAERS 数据使用指南，其中包含 FDA 关于 VAERS 的重要信息、VAERS 简要说明、解读 VAERS 数据的注意事项、术语定义、文件说明及常用缩写列表（来源 vaers.hhs.gov）。
【数据集背景】
本数据集源站标题为《VAERS Data Sets》。
【数据内容】
源站原始描述：VAERS data CSV and compressed (ZIP) files are available for download in the table below. For information about VAERS data, please view the VAERS Data Use Guide [PDF - 310KB], which contains the following information: Important information about VAERS from the FDA Brief description of VAERS Cautions on interpreting VAERS data Definitions of terms Description of files List of commonly used abbreviations Select the desired time interval to download VAERS data. Each data set is available for downloa…
中文译文（机器翻译，仅供快速理解，请以原文为准）：VAERS数据CSV文件和压缩（ZIP）文件可在下表中下载。关于VAERS数据的信息，请参阅VAERS数据使用指南[PDF - 310KB]，其中包含以下内容：来自FDA关于VAERS的重要信息、VAERS简介、解读VAERS数据的注意事项、术语定义、文件说明、常用缩写列表。选择所需的时间间隔以下载VAERS数据。每个数据集均可作为压缩（ZIP）文件或单独的CSV文件下载。每个压缩文件包含特定数据集列出的三个CSV文件。
【主题与分类】
主题标签：VAERS、vaccine safety、adverse events、pharmacovigilance、CDC、FDA、public health surveillance、CSV、ZIP。
【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://vaers.hhs.gov/data/datasets.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。
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://vaers.hhs.gov/data/datasets.html.
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
VAERS 提供疫苗接种后不良事件公共下载文件，可检索疫苗相关过敏反应和过敏性休克报告。
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。
