肯尼亚沿海 Kilifi 人类偏肺病毒分子流行病学复制数据（2016-2017 与 2021-2024）
这是题为《肯尼亚沿海地区人类偏肺病毒分子流行病学研究（2016-2024）》的手稿的复制数据集。这些数据集是肯尼亚沿海 KHDSS 门诊和社区持续监测的一部分
基本信息
资源简介
肯尼亚沿海 Kilifi 人类偏肺病毒分子流行病学复制数据（2016-2017 与 2021-2024）
该数据集为一项分子流行病学研究的复制数据，围绕肯尼亚沿海地区人类偏肺病毒的流行特征展开，时间跨度覆盖2016至2017年以及2021至2024年两个阶段。数据来源于肯尼亚沿海地区健康与人口监测系统（KHDSS）范围内持续开展的门诊与社区监测活动，包含两个相互关联的数据集：一个侧重个体病例的人口学与临床特征，另一个侧重个体病例的基因组特征。该数据集已在DataONE平台发布，本站将其归入感染性疾病相关分类，供研究者用于复现原手稿的分析结果或开展二次研究。
【数据集背景】
该数据集是题为《肯尼亚沿海地区人类偏肺病毒分子流行病学研究（2016-2024）》的手稿的复制数据集。人类偏肺病毒是一种常见的呼吸道病原体，其分子流行病学特征对于理解病毒传播规律和疾病负担具有重要意义。原研究依托肯尼亚沿海地区已有的监测体系，对门诊和社区人群中的人类偏肺病毒感染情况进行了持续观察，旨在揭示该地区病毒流行的时间分布、人群特征及基因组变异情况。本复制数据集即为支撑该手稿结论的原始数据集合。
【数据内容】
数据集由两部分组成。第一部分为个体病例数据，记录人口学特征（如年龄、性别等）以及临床特征（包括症状状态、发热、咳嗽等）。第二部分同样为个体病例数据，但记录的是基因组特征，包括变异株、nextclade谱系以及基因组覆盖度。两部分数据均以个体病例为单位组织，便于研究者将临床信息与基因组信息进行关联分析。
【采集与来源】
数据来自肯尼亚沿海地区KHDSS范围内正在进行的监测活动，覆盖门诊和社区两个场景。监测时间跨度为2016至2017年以及2021至2024年。数据来源站为search.dataone.org。源站未提供更详细的采样流程、样本量或具体监测点信息。
【适用场景】
该数据集适用于人类偏肺病毒的分子流行病学研究，包括病毒流行特征描述、临床与基因组特征的关联分析、变异株与谱系分布的时间趋势分析等。也可用于方法学复现研究，验证原手稿的分析流程与结论。此外，对于关注肯尼亚沿海地区呼吸道病毒监测的研究者，该数据集可作为区域流行病学背景资料使用。
【使用方法】
源站未提供具体的使用方法说明。研究者可根据两个数据集的个体病例标识进行关联，将人口学、临床特征与基因组特征整合分析。使用前建议参考原手稿以了解变量定义和分析策略。
【质量与限制】
源站未提供关于数据质量、缺失情况或潜在偏倚的说明。由于数据来自特定地区（肯尼亚沿海KHDSS）和特定监测场景（门诊与社区），其外推性可能受到地域和人群限制。此外，监测时间存在中断（2018至2020年未覆盖），可能影响时间趋势的连续性分析。
【引用与许可】
源站未提供引用格式与许可条款信息。使用该数据集时，应参考DataONE平台上的原始记录以获取准确的引用要求和许可条件。
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
这是手稿《肯尼亚沿海地区人类偏肺病毒分子流行病学研究（2016-2024年）》的重复数据集。这些数据集是肯尼亚沿海地区KHDSS门诊和社区持续监测工作的一部分。数据集1展示了包含人口学特征（年龄、性别等）和临床特征（包括症状状态、发热、咳嗽等）的个体病例数据。数据集2包含了具有基因组特征（变异株、nextclade谱系和基因组覆盖度）的个体病例数据。
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。
