SIPI：2020–2022年全球抗菌药物耐药趋势逐年分析代码与衍生数据
内容包括 SIPI 的 R 分析代码、衍生分析数据集、队列信息、支持文档及数据来源溯源，覆盖 WHO-GLASS、ECDC/EARS-Net 和 PAHO/ReLAVRA 监测数据，涉及碳青霉烯耐药肠杆菌、产 ESBL 肠杆菌、耐甲氧西林金黄色葡萄球菌和碳青霉烯耐药不动杆菌
基本信息
资源简介
SIPI：2020–2022年全球抗菌药物耐药趋势逐年分析代码与衍生数据
SIPI: analysis code and derived data for year-to-year global antimicrobial resistance trends, 2020–2022
该数据集是论文《A surveillance-intensity population index (SIPI) for year-to-year global antimicrobial resistance trends, 2020–2022》的可复现配套资源，由 Harvard Dataverse 发布。内容包括 SIPI 的 R 分析代码、衍生分析数据集、队列信息、支持文档及数据来源溯源，覆盖 WHO-GLASS、ECDC/EARS-Net 和 PAHO/ReLAVRA 监测数据，涉及碳青霉烯耐药肠杆菌、产 ESBL 肠杆菌、耐甲氧西林金黄色葡萄球菌和碳青霉烯耐药不动杆菌。主要比较时段为 2020–2022 年，欧洲及拉丁美。
【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）：本可复现性包随 Nicholas Zehner、Zé Martin Ho、Ola Alani、Marisa Holubar 和 Michele Barry 所著《A surveillance-intensity population index (SIPI) for year-to-year global antimicrobial resistance trends, 2020–2022》一同发布。它提供了 SIPI 的 R 分析代码、衍生分析数据集、队列信息、支持文档以及用于分析 WHO-GLASS、ECDC/EARS-Net 和 PAHO/ReLAVRA 监测数据的来源溯源。分析涵盖碳青霉烯耐药肠杆菌、产 ESBL 肠杆菌、耐甲氧西林金黄色葡萄球菌和碳青霉烯耐药不动杆菌。主要比较覆盖 2020–2022 年，其中 2019 年观测数据用于欧洲及拉丁美洲/加勒比分析。
【主题与分类】
主题标签：Medicine, Health and Life Sciences。本站分类：感染/感染性疾病。
【获取与许可】
源站页面：https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/M1GHCG
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/10.7910/DVN/M1GHCG
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:
数据集大小约 6.3 MB。
数据说明
本可重复性包随Nicholas Zehner、Zé Martin Ho、Ola Alani、Marisa Holubar和Michele Barry所著《2020–2022年全球抗菌药物耐药性逐年趋势的监测强度人口指数（SIPI）》一同发布。它提供了SIPI R分析代码、衍生分析数据集、队列信息、支持性文档以及用于分析WHO-GLASS、ECDC/EARS-Net和PAHO/ReLAVRA监测数据的来源出处。该分析涵盖碳青霉烯耐药肠杆菌目、产ESBL肠杆菌目、耐甲氧西林金黄色葡萄球菌和碳青霉烯耐药不动杆菌。主要比较涵盖2020–2022年，并使用了2019年观察数据用于欧洲及拉丁美洲/加勒比地区分析。
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。
