COVID Behind Bars: 补充资源,美国,2021

美国监狱内COVID-19相关资源(倡导、法律工具、政府信息等)的分类数据集,用于研究监狱疫情应对。

University of California, Los AngelesUniversity of California, Los Angeles
ICPSR
2023-01-01 更新
浏览 9
文本COVID-19correctionsinmatescorrectional facilitiesjails
COVID Behind Bars: Additional Resources, United States, 2021

基本信息

模态
文本
创建/更新时间
2023-01-01

资源简介

COVID Behind Bars: 补充资源,美国,2021

【一句话概览】

“监狱中的新冠:附加资源”(美国,2021)数据集汇集来自多个组织的资源,并按倡导、法律工具、倡导/法律工具、政府、信息分类。所有资源均与监禁设施中的COVID-19相关。其标签包括COVID-19、惩教、被监禁者、惩教设施和监狱(来源 ICPSR)。

【数据集背景】

本数据集源站标题为《COVID Behind Bars: Additional Resources, United States, 2021》。源站首次发布:2026。

【数据内容】

源站原始描述:The Additional Resources dataset is a collection of resources from various organizations that are categorized by advocacy, legal tools, advocacy/legal tools, government, and informational. All of the resources mentioned are in relation to COVID in carceral facilities

中文译文(机器翻译,仅供快速理解,请以原文为准):Additional Resources 数据集汇集了来自各类组织的资源,按倡导、法律工具、倡导/法律工具、政府和信息类进行分类。所有提及的资源均与监禁设施中的 COVID 有关。

【主题与分类】

主题标签:COVID-19、corrections、inmates、correctional facilities、jails。

【适用方向】

文本类数据可用于医学自然语言处理,如命名实体识别、信息抽取与文本分类。

【获取与许可】

源站页面:https://www.icpsr.umich.edu/web/ICPSR/studies/38731

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

暂未开放

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://www.icpsr.umich.edu/web/ICPSR/studies/38731

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。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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。

获取专属数据定制方案