数据与代码:2000-2025年194国未覆盖儿童、疫苗信心与麻疹发病率
数据可用于分析未覆盖儿童、疫苗信心与麻疹发病率之间的关系,支持面板回归等实证研究(来源 DOI 解析,Creative Commons Attribution 4.0 Interna

基本信息
资源简介
数据与代码:2000-2025年194国未覆盖儿童、疫苗信心与麻疹发病率
Data and code: children never reached, vaccine confidence and measles incidence in 194 countries, 2000-2025
该数据集包含2000-2025年194个WHO成员国的国家-年份面板数据,整合了WHO/UNICEF国家免疫覆盖率估计、WHO报告的麻疹病例、World Bank、UN World Population Prospects 2024、UCDP、Vaccine Confidence Project、Wellcome Global Monitor 2018及UNICEF等官方来源,并提供Python分析代码、模型运行前记录的SHA-256数据冻结及输出结果。数据可用于分析未覆盖儿童、疫苗信心与麻疹发病率之间的关系,支持面板回归等实证研究(来源 DOI 解析,Creative Commons Attribution 4.0 Interna。
【数据集背景】
源站首次发布:2026。
【主题与分类】
主题标签:Measles、Vaccination Coverage、zero-dose children、vaccine drop-out、vaccine confidence、WUENIC、panel data、Poisson pseudo-maximum likelihood。本站分类:感染/病毒感染。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.23437086
使用许可:Creative Commons Attribution 4.0 International。
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.23437086
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
《Children never reached, vaccine confidence and measles incidence in 194 countries, 2000-2025: a panel analysis》(Bassal R, Kopel E;已投稿待发表)一文的数据与代码。本数据包包含194个WHO成员国2000-2025年的国家-年份面板数据,该面板基于官方来源构建(WHO/UNICEF国家免疫覆盖率估计,2025年修订版;WHO报告的麻疹病例;World Bank;UN World Population Prospects 2024;UCDP;Vaccine Confidence Project;Wellcome Global Monitor 2018;UNICEF),并附有Python分析代码、模型运行前记录的SHA-256数据冻结值以及输出结果。分析计划未包含在内;可向作者索取。第三方原始下载数据和IHME Global Burden of Disease文件不再分发;其下载地址和校验和已给出。README.md说明了内容、许可及如何重现分析。代码采用MIT许可,衍生数据和文档采用CC BY 4.0许可;第三方源数据仍受其提供方条款约束。版本1.0.1删除了版本1.0.0中包含的两个分析计划文件;其余内容未变。
文件在文章发表前受限。可向作者申请访问权限。
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。




