南印度医护人员队列中既往感染与疫苗接种对COVID-19的保护效果

数据集获取

源站：https://search.dataone.org/view/sha256%3Ab23608f48429c35673d2fc5e8202cf7462fb70e007df5d9ffbe56ed5852de8b3

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

具有免疫逃逸潜力的新变异株的出现，引发了人们对突破性感染和再感染导致未来感染波的担忧。我们研究了在主要由德尔塔变异株驱动的第二波疫情期间，印度南部一组医护人员（HCW）中既往COVID-19疾病和疫苗接种对感染率的保护作用。根据机构政策，有症状的医护人员常规接受RT-PCR检测。所有医护人员于1月下旬获得疫苗接种，相关详情已记录。我们建立了一个非同期队列，以记录感染率，并评估2021年4月16日至5月31日期间既往感染和疫苗接种的保护效力，使用Cox比例风险模型，纳入随时间变化的协变量并校正每日发病率。2020年6月至2021年5月期间，11,405名医护人员中有2735名（23.9%）被感染，其中第二波期间报告1412例，包括32例再感染。6863名医护人员接种了两剂疫苗，1905名接种了一剂……

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。