Elisa 队列研究：SARS-CoV-2 传播数据集
Elisa 研究是一项在吕贝克及周边地区（德国北部）开展的人群队列研究，旨在确定一年期内 SARS-CoV-2 感染的流行率及影响因素
基本信息
资源简介
Elisa 队列研究：SARS-CoV-2 传播数据集
Elisa 研究是一项在德国北部吕贝克及周边地区开展的人群队列研究，目标是确定一年期内 SARS-CoV-2 感染的流行率及其影响因素。研究于 2020 年 4 月至 2021 年 2 月期间收集数据，对随机抽取的 3000 名个体组成队列，通过拭子 PCR 筛查活动性冠状病毒感染，并通过采血测定抗体，共覆盖七个时间点；同时以基于应用程序的连续问卷收集参与者的症状、行为和社会因素信息。数据集由两部分构成：一份包含 3000 名参与者基线变量与检查结果的文件，以及另一份包含连续调查数据（90,000 次访谈）的文件。该数据集以 CC0 1.0 公有领域贡献许可发布，可用于感染性疾病相关研究。
【数据集背景】
该研究聚焦 SARS-CoV-2 感染的流行率与影响因素，采用人群队列设计，在德国北部吕贝克及周边地区实施，观察期为一年。研究的时间跨度为 2020 年 4 月至 2021 年 2 月，正值新冠疫情早期至疫苗推广前的阶段。研究通过随机抽取个体建立队列，以期在人群层面估计感染流行情况并识别相关影响因素。
【数据内容】
数据集包含两份文件。第一份文件记录 3000 名参与者的基线变量与检查结果，检查涵盖拭子 PCR 筛查活动性感染以及血液采样测定抗体。第二份文件为连续调查数据，共包含 90,000 次访谈，内容涉及参与者的症状、行为和社会因素。抗体测定在七个时间点进行，问卷则以基于应用程序的方式连续施测。
【采集与来源】
数据来源于 search.dataone.org 收录的数据集，原始研究在吕贝克及周边地区（德国北部）开展。参与者为随机抽取的 3000 名个体。数据采集方式包括拭子采样（PCR）用于活动性感染筛查、采血用于抗体测定，以及基于应用程序的连续问卷。研究期间为 2020 年 4 月至 2021 年 2 月。
【适用场景】
该数据集适用于感染性疾病领域的研究，尤其是围绕 SARS-CoV-2 感染流行率估计、感染影响因素分析等方向。由于同时包含 PCR 筛查、抗体测定与症状、行为、社会因素的连续问卷数据，可用于考察感染状态与行为及社会因素之间的关联。本站将其归类为感染性疾病 / 其他。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
该数据集采用 CC0 1.0 Universal（CC0 1.0）公有领域贡献许可发布。
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
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
Elisa研究是一项在吕贝克及周边地区（德国北部）开展的基于人群的队列研究，旨在确定一年期内SARS-CoV2感染的流行率及影响因素。该研究收集了2020年4月至2021年2月的数据。研究通过拭子（PCR）对随机选取的3000人队列进行活跃冠状病毒感染筛查，并在七个时间点进行抽血以测定抗体。此外，还通过基于应用程序的连续问卷对研究参与者进行调查，内容涉及症状、行为和社会因素。数据集包含一个文件，其中有3000名参与者的基线变量和检查结果，另一个文件包含连续调查数据（90,000次访谈）。
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。
