COVID-19应对研究

数据集获取

源站：https://doi.org/10.3886/e131022v3-142861

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

COVID-19应对研究是一项全国性纵向队列研究，纳入2020年4月2日至5月31日期间从美国全部50个州、哥伦比亚特区和波多黎各招募的6，938名年龄≥55岁的美国成年人。参与者通过非概率多框架抽样策略招募，并通过密歇根大学Qualtrics以英语（N=6，886）和西班牙语（N=52）在线发放问卷完成数据收集。收集的数据涵盖多种人口学、社会和健康相关主题，包括COVID-19症状和检测史、COVID-19相关应激源和担忧、自我隔离和社交距离实践、行为改变和应对机制、心理健康症状量表以及居住安排。基线样本中的一个子集（N=4，401）在随后12个月内每月收到随访问卷。所包含的文件含有COVID-19应对研究从基线至12个月随访的数据。数据以Stata格式（C19CS.dta）、带值标签的CSV文件（C19CS Labelled.csv）和含数值的CSV文件（C19CS Numeric.csv）提供。

开放式问卷的回答未包含在数据文件中，而月度问卷PDF文档中开放式问题的文本已被划掉。

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。