PUFFIN AI 口罩功效评估数据集

文章《政策制定者需要了解哪些关于口罩的信息。一项基于机制的社区研究叙述性综合》的支撑材料。该综述评估了66项关于口罩有效性的社区研究:其中37项有助于因果推断,29项被归类为无信息价值

ZenodoZenodo
zenodo
2026-09-30 更新
浏览 31
表格知识文档评估记录汇总表格感染性疾病社区防护公共卫生证据评价因果推断
PUFFIN AI dataset for mask efficacy review

基本信息

模态
表格
大小
0.005419231 GB
许可
Creative Commons Attribution 4.0 International
创建/更新时间
2026-09-30

资源简介

PUFFIN AI 口罩功效评估数据集

文章《政策制定者需要了解哪些关于口罩的信息。一项基于机制的社区研究叙述性综合》的支撑材料。该综述评估了66项关于口罩有效性的社区研究:其中37项有助于因果推断,29项被归类为无信息价值

PUFFIN AI dataset for mask efficacy review

【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):文章《政策制定者需要了解哪些关于口罩的信息?一项基于机制的社区研究叙述性综合》的支撑材料。该综述评估了66项关于口罩有效性的社区研究:其中37项有助于因果推断,29项被归类为无信息价值。本资料库包含13份知识文档、66份AI评估以及这66项研究的详细汇总表。表D1–D8是文章补充材料S4中表S4.1–S4.8的详细版本。方案、检索策略、评估模板和解释性说明见文章及其补充材料。由于版权原因,未包含原始研究的全文。

【主题与分类】

主题标签:知识文档、评估记录、汇总表格、感染性疾病、社区防护、公共卫生、证据评价、因果推断。本站分类:感染/感染性疾病。

【获取与许可】

源站页面:https://zenodo.org/doi/10.5281/zenodo.23005152

使用许可:Creative Commons Attribution 4.0 International。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

源站:https://doi.org/10.5281/zenodo.23005152

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 5.4 MB。

数据说明

支持文章《政策制定者需要了解关于口罩的哪些信息?一项基于机制的社区研究叙述性综合》的材料。该综述评估了 66 项关于口罩有效性的社区研究:其中 37 项有助于因果推断,29 项被归类为无信息性。本存档包含 13 份知识文档、66 份 AI 评估以及 66 项研究的详细汇总表。表 D1–D8 是文章补充材料 S4 中表 S4.1–S4.8 的详细版本。方案、检索策略、评估模板和解释性说明见文章及其补充材料。因版权原因,未收录原始研究的全文。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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。

获取专属数据定制方案