2019–2026年新闻中的疟疾：文章级数据集与报道统计表

数据集获取

源站：https://doi.org/10.7910/DVN/GHJSUU

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。

数据集大小约 5.6 MB。

数据说明

我们利用34,405条去重后的疟疾新闻报道，衡量了2019年1月至2026年7月全球新闻索引中疟疾的报道情况，并将这一报道量与48,495篇疟疾研究论文（2015—2025年）和1,377个疟疾专利族（2015—2024年）并列比较。有六项结果尤为突出：季节性。平均而言，每年疟疾报道中有11.46%出现在4月，即世界疟疾日所在月份，而均匀分布下这一比例应为8.33%。关注度下降。疟疾在新闻中的占比在2019年至2025年间下降了38%，从每万篇新闻文章3.05篇降至1.89篇。该占比在2021年10月达到峰值，即RTS,S疫苗被建议广泛使用的当月，为每万篇5.44篇。地理分布。非洲占有可定位疟疾新闻的42.11%，是其全部新闻占比的11.14倍。在至少有100条可定位报道的八个国家中，乌干达（42.98）、肯尼亚（13.55）、加纳（9.26）和尼日利亚（8.27）的超代表性最高。印度呈超代表性（1.71），美国呈低代表性（0.39）。在印度内部，贾坎德邦（1.93）、北方邦（1.78）和哈里亚纳邦（1.73）领先。紧迫但不悲观。

80.6%的疟疾相关文章被评为关键优先级（全部新闻为42.6%），但仅35.5%的文章语气为负面（全部新闻为33.6%）。在加纳和尼日利亚，疟疾新闻的负面程度低于当地新闻整体水平；在印度和美国则更为负面。测量方面。疟疾词汇原始匹配结果中，23.1%为结构化期刊摘要、COVID-19药物报道或市场公告。在保留的条目中，经人工核查的样本有37.5%为期刊摘要而非新闻报道。研究与发明方面。疟疾论文在文献中占比保持稳定（2015年每万篇论文6.83篇，2025年为6.6篇）。每年公布的专利族数量大致持平（2015年147个，2024年137个），而专利公布总量整体增长。基于Prism News API构建：https://github.com/fliarbi/prism-news-api

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。