社区供水系统饮用水砷浓度与膀胱癌、结直肠癌及肾癌关联数据集（考虑服务人口）

数据集获取

源站：https://doi.org/10.23719/1504232

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

这是一个饮用水数据与癌症数据相关联的数据集。饮用水数据：2000年至2010年间，社区供水系统（CWS）中砷的县级浓度数据收集自美国疾病控制与预防中心（CDC）的国家环境公共卫生追踪网络（NEPHTN）（美国疾病控制与预防中心，2018a）。2000年至2010年饮用水砷的年平均浓度数据涵盖了来自26个州、75，453个CWS的共计87，662个样本，代表1，425个县。对于被识别为未检出的样本，最常报告的值是0.5 ppb和1 ppb，范围从0 ppb到10 ppb。对于报告为零的未检出样本，该值被替换为常数0.25 ppb（Almberg等，2017；Bulka等，2016）。在报告为未检出的样本中，有10.87%报告为零。

癌症数据：膀胱癌、结直肠癌和肾癌的县级癌症计数及发病率数据，取自美国国家癌症研究所（NCI）和CDC的州癌症概况（State Cancer Profiles），时间范围为2011年至2015年，针对成年人（年龄≥50岁），以便与暴露数据所在县相匹配（美国国家癌症研究所和疾病控制与预防中心，2018a）。我们采用2011-2015年这一时间段，以在2000-2010年暴露期之后提供一个滞后期。州癌症概况提供了20种不同癌症的年龄调整后县级癌症发病率、患病率、死亡率及年均计数，以及部分人口统计学信息（美国国家癌症研究所和疾病控制与预防中心，2018b）。在特定县、性别和/或种族类别中报告病例数少于16例的县被隐去，以确保保密性及率估计的稳定性（美国国家癌症研究所和疾病控制与预防中心，2018a）。

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。