COVID-19疫情期间510例IBD患者队列的管理与演变
该数据集来自search.dataone.org，主题为COVID-19疫情对炎症性肠病（IBD）诊疗活动的影响，覆盖一个由510例IBD患者组成的队列在疫情期间的管理与演变情况
基本信息
资源简介
COVID-19疫情期间510例IBD患者队列的管理与演变
该数据集英文名为“Management and evolution of a cohort of 510 patients with IBD during the COVID-19 pandemic.”，聚焦COVID-19疫情背景下炎症性肠病（IBD）患者队列的管理与演变情况。数据集收录于search.dataone.org，本站将其归入感染性疾病／其他分类，主题标签涵盖COVID-19、Medicine, Health and Life Sciences以及Inflammatory bowel disease。源站对其的描述为COVID-19对IBD诊疗活动的影响。整体来看，该数据集围绕一个由510例IBD患者组成的队列，记录并反映疫情期间这一人群的管理与演变，可用于了解疫情对IBD诊疗活动的冲击及相关临床管理实践的变化。
【数据集背景】
该数据集产生于COVID-19大流行的背景之下。源站描述指出，其关注的核心是COVID-19对IBD诊疗活动的影响。炎症性肠病是一类需要长期管理的慢性疾病，疫情期间的诊疗安排、患者随访与疾病管理均可能受到影响，该数据集正是围绕这一主题组织的一个患者队列资料。数据集英文名称明确指向“510例IBD患者在COVID-19疫情期间的管理与演变”，说明其以队列随访的方式呈现疫情期间IBD患者管理状况及其演变过程。
【数据内容】
依据现有信息，该数据集的内容主体是一个由510例IBD患者组成的队列，主题为这一队列在COVID-19疫情期间的管理与演变。数据集的主题标签包括COVID-19、Medicine, Health and Life Sciences与Inflammatory bowel disease，表明其内容涉及疫情、医学与健康生命科学以及炎症性肠病三个相互关联的方面。源站描述进一步将其概括为COVID-19对IBD诊疗活动的影响。关于具体的变量字段、记录条目、时间跨度与统计指标，源站未提供。
【采集与来源】
该数据集来源于search.dataone.org。除来源站点与上述主题描述外，关于数据采集的具体机构、采集方法、采集时间范围与样本招募方式，源站未提供。
【适用场景】
结合数据集主题，其适用场景包括：了解COVID-19疫情期间IBD患者队列的管理与演变情况，考察疫情对IBD诊疗活动的影响，以及围绕疫情背景下慢性疾病患者管理开展相关研究或教学参考。具体应用方式需结合数据实际内容确定，源站未提供更详细的适用说明。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据格式、访问方式、字段说明与处理建议等。
【质量与限制】
源站未提供关于该数据集质量评估、完整性、准确性及使用限制的说明。使用时应注意其队列规模为510例IBD患者，结论外推需谨慎，具体限制条件源站未提供。
【引用与许可】
源站未提供该数据集的引用格式与许可信息。
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
Impact of COVID-19 on the IBD care activity.
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。
