Corredor Seco 粮食安全项目（ACS-PROSASUR）影响评估调查
该数据集支持 IFPRI 对洪都拉斯干旱走廊粮食安全与营养项目 ACS-PROSASUR 的影响评估，采用准实验双重差分设计，含2015-2017基线、2019中期和2025终期三轮调查，覆盖处理组与匹配对照组家庭及其儿童
基本信息
资源简介
Corredor Seco 粮食安全项目（ACS-PROSASUR）影响评估调查
Corredor Seco Food Security Project (ACS-PROSASUR) Impact Evaluation Survey
该数据集支持 IFPRI 对洪都拉斯干旱走廊粮食安全与营养项目 ACS-PROSASUR 的影响评估，采用准实验双重差分设计，含2015-2017基线、2019中期和2025终期三轮调查，覆盖处理组与匹配对照组家庭及其儿童。家庭数据包含农业生产与销售、收入与贫困、粮食安全及改良耕作技术采用等指标；儿童数据包含发育迟缓、消瘦等人体测量和喂养实践，并与家庭面板链接。数据收集期经历COVID-19、热带风暴和粮食价格冲击，可用于评估项目效果及外部冲击对家庭结局的影响（来源 DOI 解析）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集支持 IFPRI 对 ACS-PROSASUR 的影响评估，该项目是2015/17-2022年在洪都拉斯干旱走廊实施的粮食安全与营养项目。评估采用准实验双重差分设计，包含三轮调查（2015-2017基线、2019中期、2025终期），覆盖处理组和匹配对照组家庭及其儿童。家庭数据集包括农业生产与销售、收入与贫困、粮食安全以及改良耕作技术采用等指标。儿童数据集包括人体测量指标（发育迟缓、消瘦）和儿童喂养实践，并与家庭面板链接。数据收集期间经历了COVID-19、热带风暴和粮食价格冲击，这些因素独立于项目影响了家庭结局。
【主题与分类】
主题标签：Agricultural Sciences、Social Sciences、food security、nutrition、agricultural production、poverty、HONDURAS、CENTRAL AMERICA、LATIN AMERICA AND THE CARIBBEAN、AMERICAS。本站分类：感染性疾病。
【获取与许可】
源站页面：https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/Y5VDYS
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://doi.org/10.7910/DVN/Y5VDYS
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:
数据集大小约 2.7 MB。
数据说明
该数据集支持IFPRI对ACS-PROSASUR的影响评估，该项目是在洪都拉斯干旱走廊实施的粮食安全与营养项目（2015/17-2022年）。评估采用准实验双重差分设计，包含三轮调查（2015-2017年基线、2019年中期、2025年终期），覆盖处理组和匹配对照组家庭及其子女。家庭数据集包括农业生产与销售、收入与贫困、粮食安全以及改良耕作方式采用情况等指标。儿童数据集包括人体测量指标（发育迟缓、消瘦）和儿童喂养实践，并与家庭面板数据关联。数据收集期间正值COVID-19、热带风暴和粮食价格冲击，这些因素独立于项目之外影响了家庭结果。
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。
