新冠感染后状况数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT05531773

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

条件：COVID-19。背景：EuCARE项目包含多个患者队列和学校队列，旨在为COVID-19疫情提供前瞻性应对。这些队列分布于不同地理区域，包括欧洲国家、肯尼亚、墨西哥、俄罗斯和越南，并将巩固或扩展与其他队列的互动。一个由临床医生、病毒学家、流行病学家、统计学家和人工智能领域顶尖专家组成的综合多学科团队将合作研究：* 医护人员对不同病毒变异株的自然免疫和人工免疫；* 住院COVID-19患者的临床病程和长期随访，以推断不同病毒变异株在感染结局中的作用，包括COVID-19后状况；* 通过比较不同遏制和预防措施与变异株流行率及动态的关系所产生的结果，确定控制不同病毒变异株在学校传播的最佳策略。

COVID-19后遗症被定义为急性COVID-19感染发作后3个月症状持续存在或新发；这些症状可能持续2个月甚至更长时间，且无法用其他诊断解释。不同研究中这些持续症状的患病率差异很大，但似乎较高，影响高达50-60%的康复患者。此外，COVID-19后遗症在女性和重症患者中更为常见，但可见于所有年龄段以及急性COVID-19疾病轻微发作的患者。目的和目标 该研究的假设是，相当高比例从急性COVID-19发作中康复的患者会出现长期后遗症，定义为急性疾病后三个月时存在持续或新发的躯体和/或心理症状。这些症状可能持续至少两个月甚至更长时间。COVID-19急性期后和慢性表现的潜在机制尚

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。