COVID-19感染对术后并发症的影响
源站描述提及 SARS-CoV-2 变异株演变、Omicron 变异株流行情况、全球感染规模及中国输入变异株分布等背景信息

基本信息
资源简介
COVID-19感染对术后并发症的影响
该数据集来自 clinicaltrials.gov,主题为 COVID-19 感染对术后并发症的影响,涉及 COVID-19、Surgery 与 Postoperative Complications 等条件。源站描述提及 SARS-CoV-2 变异株演变、Omicron 变异株流行情况、全球感染规模及中国输入变异株分布等背景信息。数据可用于研究 COVID-19 感染与手术术后并发症之间的关联分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:COVID-19、Surgery、Postoperative Complications。COVID-19 的爆发及其全球大流行对公共卫生构成了威胁。致命的病毒 SARS-CoV-2 一直在进化出新的、传染性更强的变异株以及其他具有额外免疫逃逸突变的谱系。高度传播的 Omicron 变异株已存在约一年,并已取代 Delta 成为全球大流行中的主导毒株。尽管截至 2023 年 1 月 1 日全球已有 6.56 亿人感染 SARS-CoV-2,但由于其致病性显著下降,无症状感染和轻症病例占比超过 90%。截至 2022 年 12 月 20 日,已有超过 130 个 Omicron 亚分支输入中国,其中 BA.5.2 和 BF.7 是最流行的毒株。2022 年 12 月 7 日,中国国务院发布了关于进一步优化的公告
【主题与分类】
主题标签:COVID-19、Surgery、Postoperative Complications。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05677815
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/NCT05677815
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
研究条件:COVID-19、外科手术、术后并发症。COVID-19的暴发及其全球大流行对公共卫生构成了威胁。致命的SARS-CoV-2病毒不断演变为传染性更强的新变异株及其他具有额外免疫逃逸突变的谱系。高传播性的Omicron变异株已存在约一年,并取代Delta成为全球大流行的主导毒株。尽管截至2023年1月1日,全球已有6.56亿人感染SARS-CoV-2,但由于其致病性显著下降,无症状感染和轻症病例占比超过90%。截至2022年12月20日,已有130多个Omicron亚分支输入中国,其中BA.5.2和BF.7为最流行的毒株。2022年12月7日,中国国务院发布关于进一步优化新冠肺炎疫情防控措施的通告(放宽严格的“动态清零”政策)。此后,COVID-19的快速传播导致中国大部分地区COVID-19感染病例激增。截至1月6日,共有503302人感染。
因此,在当前或既往感染SARS-CoV-2的外科患者比例短期内将不可避免地增加。据报道,SARS-CoV-2感染康复与术后并发症风险短暂升高相关。SARS-CoV-2感染与手术之间的时间间隔越长,术后并发症风险越低。一项更新建议提出,在SARS-CoV-2感染后至少推迟手术七周,从而将术后并发症风险和30天死亡率降至基线水平(与无SARS-CoV-2感染史患者的风险相似)。然而,这些建议基于欧洲和美国早期Covid-19大流行(主要由Delta毒株引起)的有限数据,可能并不适
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。




