儿童与青少年长期COVID-19症状模式及生活研究（SPLaT-19队列与定性研究）

数据集获取

源站：https://clinicaltrials.gov/study/NCT05422937

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，儿童急性淋巴细胞白血病（ALL）。引言：尽管关于儿童和年轻人（CYP）急性Covid-19的知识已相当丰富，但对长期COVID（症状持续超过四周）的了解较少，尤其是在最近一波Omicron变异株疫情和英国儿童疫苗接种计划推广之后。本研究旨在描绘CYP急性Covid-19感染的长期影响，并明确其需求。方法与分析：本研究包括一项观察性前瞻性队列研究和一项关联的定性研究。队列研究将在英格兰西米德兰兹地区识别8-17岁的CYP，无论其Covid-19感染状态如何，邀请他们在招募时以及第3、6、9和12个月时完成在线问卷。曾经历COVID-19长期影响的CYP将被邀请参加访谈，目前有症状者将被邀请在日记中记录其经历。与CYP工作的专业或第三部门/志愿角色的成年人将被邀请参加焦点小组，探讨Long-COVID对CYP整体体验的感知影响。

该队列研究大约需要900名参与者，以确保样本量合适，并计划邀请约20名CYP参加访谈，约8名专业人员参加焦点小组。将使用描述性统计来描述症状发生率及症状缓解轨迹，并对暴露组与非暴露组进行比较。将使用逻辑回归模型估计各随访时间点候选预测因素与Long-COVID发生之间的关联。将使用线性回归估计候选预测因素与健康相关生活质量不良结局之间的关联，生活质量由KIDSCREEN10描述。定性数据将采用持续比较法进行主题分析。伦理与传播：Research E

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。