住院COVID-19患者自然史研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT04424992

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

疾病：SARS-CoV-2。背景：截至2020年2月底，蒙扎ASST及其蒙扎和德西奥两个医院病区已收治1433名COVID阳性患者，其中507人目前已出院（35.4%），206人（14%）已转至其他低强度护理机构。观察性研究的重要性现已在许多医学领域为人所知，所产生的“真实世界”数据已成为主管当局审批档案的组成部分，用以指导新药的引入：特别是在COVID-19这类缺乏特异性抗病毒治疗、无法实现“对症”治愈的疾病中，识别并验证致命事件风险分层系统变得至关重要，以优化卫生干预措施。方法与研究设计：研究方案规定收集符合研究目标的临床、诊断、治疗及实验室数据（核心数据集），其他特定方案及相关数据将与之连接（“叶”数据库）。

数据收集将在eCRF（RedCap平台）上进行，数据库将采用“茎叶”结构，符合WHO关于大流行数据收集的指示。核心数据集：该方案在其制定和设计上呈现两个重要的创新方面：1.“茎叶”结构将允许收集研究的所有核心数据（“茎”），这些数据能够描述主要目标，即疾病的自然史，从而为目前非常匮乏的疾病演变知识提供重要贡献；2.病理本身的高度异质性、传染传播方式以及某些特定患者群体治疗上的问题，然而要求在亚组分析背景下，以及在专门研究中，对所收集数据进行描述和潜在验证。“茎叶”设计

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。