长新冠防护因素:StressLoC前瞻性纵向队列的二次分析数据集

该数据集来自 StressLoC 前瞻性纵向队列的二次分析,主题为长新冠的防护因素,包含数据集文件与配套 R 脚本。数据覆盖 COVID-19 感染后的防护因素相关变量,涉及社会支持、心理韧性及心身医学等维度,可用于探究哪些因素与长新冠风险降低相关,并支持基于 R 的统计分析与结果复现(来源 DOI

ZenodoZenodo
zenodo
2026-10-20 更新
浏览 7
其他预测COVID-19Protective FactorsSocial SupportResilience, PsychologicalPsychosomatic MedicineLong COVID
Protective factors against long COVID: A secondary analysis of the prospective longitudinal StressLoC cohort

基本信息

模态
其他
大小
0.000173732 GB
任务类型
预测
许可
Creative Commons Attribution 4.0 International
创建/更新时间
2026-10-20

资源简介

长新冠防护因素:StressLoC前瞻性纵向队列的二次分析数据集

Protective factors against long COVID: A secondary analysis of the prospective longitudinal StressLoC cohort

该数据集来自 StressLoC 前瞻性纵向队列的二次分析,主题为长新冠的防护因素,包含数据集文件与配套 R 脚本。数据覆盖 COVID-19 感染后的防护因素相关变量,涉及社会支持、心理韧性及心身医学等维度,可用于探究哪些因素与长新冠风险降低相关,并支持基于 R 的统计分析与结果复现(来源 DOI 解析,Creative Commons Attribution 4.0 International 许可)。

【数据集背景】

源站首次发布:2026。

【数据内容】

源站描述(机器翻译,仅供参考):保护因素对抗长新冠的数据集与R脚本:前瞻性纵向StressLoC队列的二次分析

【主题与分类】

主题标签:COVID-19、Protective Factors、Social Support、Resilience, Psychological、Psychosomatic Medicine、Long COVID。本站分类:感染性疾病。

【获取与许可】

源站页面:https://zenodo.org/doi/10.5281/zenodo.23495099

使用许可:Creative Commons Attribution 4.0 International。

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://doi.org/10.5281/zenodo.23495099

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 173.7 KB。

数据说明

Dataset and R script of Protective factors against long COVID: A secondary analysis of the prospective longitudinal StressLoC cohort

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。