拉丁美洲、加勒比与亚洲登革热与COVID-19传播的负相关

数据集获取

源站：https://doi.org/10.5061/dryad.rbnzs7hbj

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。

数据集大小约 309.7 MB。

数据说明

我们在此研究了2019-2020年的登革热大流行是否可能影响了全球COVID-19的发病率和传播。在巴西，登革热的地理分布与COVID-19的地理分布高度互补。伴随这一现象的是COVID-19与登革热发病率之间的负相关，这种相关性无法用社会经济因素来解释。在报告COVID-19病例的5016个巴西市镇、558个微型区域、137个中型区域、27个州和5个地区中均观察到了这种负相关。2020年登革热IgM人群水平较高的巴西各州表现出：(i)较低的COVID-19病例和死亡发病率，(ii)较慢的感染增长率，以及(iii)积累COVID-19病例所需时间更长。对于同样由埃及伊蚊传播的基孔肯雅病毒，未观察到此类负相关。在拉丁美洲、加勒比地区和亚洲的145个地点（66个国家和墨西哥及哥伦比亚的64个州）也观察到了COVID-19与登革热发病率之间相同的负相关。登革热发病率高的国家比无登革热的国家需要更长时间来积累COVID-19病例。

尽管所考虑的数据集在质量和可用性方面存在局限，但这些发现提出了一种可能性，即登革病毒血清型与SARS-CoV-2之间可能存在免疫交叉反应，这可能为登革热感染社区提供了对COVID-19的部分免疫保护。然而，需要进一步研究以更好地验证这一假设。

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。