EuCARE项目医护人员队列研究(EuCARE-HCW)
研究从8个国家9家诊所招募医护人员,收集数据与生物样本,供EuCARE-IMMUNITY研究分析自然感染与疫苗接种不同组合后针对SARS-CoV-2各变异株的NtAb和CMI

基本信息
资源简介
EuCARE项目医护人员队列研究(EuCARE-HCW)
EuCARE-HCW是EuCARE项目下的医护人员队列研究,来源站为clinicaltrials.gov,主题为COVID-19。研究从8个国家9家诊所招募医护人员,收集数据与生物样本,供EuCARE-IMMUNITY研究分析自然感染与疫苗接种不同组合后针对SARS-CoV-2各变异株的NtAb和CMI。该数据可用于研究疫苗或感染后保护随时间衰减、不同疫苗及接种程序与变异株对突破性感染的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:COVID-19。背景:已知接种疫苗或自然患病后不久即产生针对SARS-CoV-2感染的防护,但会随时间衰减。尽管对重症的防护确实存在,但对感染的防护不足,且每种变异株以及每种疫苗或接种程序的影响仍需持续研究。从使用不同疫苗和接种程序的国家招募参与者,对于分析这些关系及突破性感染至关重要。研究目标:EuCARE-HCW研究向EuCARE-IMMUNITY研究提供医护人员的数据和样本,后者将分析自然感染与疫苗接种任意组合后针对不同SARS-CoV-2变异株的NtAb和CMI。具体目标包括:* 从8个国家9家诊所收集COVID-19医护人员的数据和生物材料,以及3个合
【主题与分类】
主题标签:COVID-19。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05534009
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://clinicaltrials.gov/study/NCT05534009
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
条件:COVID-19。背景:已知接种疫苗或自然患病后不久即可产生对SARS-CoV-2感染的保护,但会随时间推移而减弱。尽管对严重疾病的保护确实存在,但对感染的保护不足,且每种变异株以及每种疫苗或疫苗接种方案的影响仍是持续研究的课题。从使用不同疫苗和疫苗接种方案的国家招募参与者,对于分析这些关系及突破性感染至关重要。研究目标:EuCARE-HCW研究为EuCARE-IMMUNITY研究提供医护人员的数据和样本,后者将分析在任何自然感染与疫苗接种组合之后对不同SARS-CoV-2变异株的中和抗体(NtAb)和细胞介导免疫(CMI)。具体目标包括:* 从8个国家、3个大洲的9家诊所收集COVID-19医护人员的数据和生物材料。* 招募经历过免疫原性事件(疫苗接种或感染)的医护人员。* 自入组起每4个月定期采集血清和全血,持续12-24个月(取决于免疫持续时间)。
- 样本制备、储存并运送至EuCARE中央实验室,由WP2研究组分析对SARS-CoV-2变异株的自然免疫和人工免疫(EuCARE-IMMUNITY),即:* 分析自然感染和/或疫苗接种后免疫的强度、广度和持续时间。* 确定不同病毒变异株之间的交叉免疫。* 在疫苗与自然感染的全面组合中分析免疫逃逸。* 为实现上述目标,WP2将检测:* 中和抗体 * 细胞免疫 * 病毒序列
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。




