CCPSEI 临床流行病学数据全景
CCPSEI Landscape 是美国内布拉斯加大学医学中心（UNMC）在 2020 年初启动的 COVID-19 前瞻性观察队列（CCPSEI）的临床流行病学数据全景，该队列改编自国际统一的 ISARIC 方案
基本信息
资源简介
CCPSEI 临床流行病学数据全景
CCPSEI Landscape
CCPSEI Landscape 是美国内布拉斯加大学医学中心（UNMC）在 2020 年初启动的 COVID-19 前瞻性观察队列（CCPSEI）的临床流行病学数据全景，该队列改编自国际统一的 ISARIC 方案。数据按临床主题组织而非整合为单一列表，旨在支持临床导向分析与假设生成，可用于 COVID-19 早期临床特征探索与后续研究设计（来源 DataONE，http://creativecommons.org/licenses/by-sa/4.0 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：2020 年初，随着首批 COVID-19 患者经航空医疗后送抵达奥马哈，我们（共同 PI Broadhurst 教授 | 病理学、微生物学与免疫学）启动了美国首个 COVID-19 前瞻性观察队列，名为严重新发感染临床表征方案（CCPSEI），改编自国际统一的 ISARIC 方案。改编后的方案、工具和流程随后在其他多家机构被采用（含修改与未修改版本）。虽然 UNMC 队列规模有限，但整理规范。本文件是该队列在大流行早期生成的临床流行病学数据全景。该全景旨在用于临床导向和假设生成——数据按主题组织，而非整合为单一列表，其组织方式与临床医生组织……（源站描述在此处截断）
【主题与分类】
主题标签：Medicine, Health and Life Sciences、covid-19 cohort clinical data。本站分类：免疫系统疾病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A1cf31bdf6e25abbc1072c85588cdae1687f38a2c1c289c61b59b93df3f1963e7
使用许可：http://creativecommons.org/licenses/by-sa/4.0。
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
2020年初，随着首批COVID-19患者通过航空医疗后送抵达奥马哈，我们（共同首席研究员Broadhurst教授｜病理学、微生物学和免疫学）启动了美国首个COVID-19前瞻性观察队列研究，名为“严重新发感染临床特征描述方案”（CCPSEI），该方案改编自国际统一的ISARIC方案。随后，其他多家机构在采用时对该改编方案、工具和流程进行了修改或未作修改。虽然UNMC队列规模有限，但数据管理规范。本文件是该队列在大流行早期生成的临床流行病学数据全景图。该全景图旨在用于临床定位和假设生成——数据按主题组织，而非采用综合行列表形式，这与临床医生在追踪患者状态时组织数据的方式大致相同。
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。
