基于GBD 2021数据的国家层面结直肠癌相关风险因素融合数据集（ONCODIR Horizon项目）

数据集获取

源站：https://doi.org/10.5281/zenodo.18619682

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

融合结直肠癌相关风险因素数据集是ONCODIR地平线项目的一部分，以2021年全球疾病负担（GBD）研究作为其唯一数据来源。所有数据均独家来源于2021年GBD研究（健康测量与评估研究所）。该数据集提供了1990年至2021年间46个欧洲国家结直肠癌（CRC）发病率及其相关风险因素的统一国家层面信息。数据可按性别（两者、男性、女性）、年龄标准化（ASR）以及三个年龄组获取：<25岁、25–50岁、>50岁。选择2021年全球疾病负担（GBD）研究是因为其覆盖范围全面，包括204个国家（1990–2021年）的健康结局和风险因素，并具有按性别分列和特定年龄的数据。对于该数据集，提取了欧洲46个国家的CRC发病率和22项风险因素数据，按年份、性别和年龄组分类。关键数据元素包括：用于标准化比较的CRC发病率（每10万人口）。

总结了4种生活方式因素（如饮酒）、15种营养因素（如红肉摄入量高的饮食）和2种合并症（如高LDL胆固醇）的暴露值（SEV）率。SEV指标表示暴露的相对风险加权患病率，同时考虑暴露程度及其对疾病负担的贡献。社会人口指数（SDI）所有选定的风险因素和暴露值均经过科学验证并获得ONCODIR科学界批准，以确保方法学的稳健性。GBD数据经过融合，并按项目定义的特定亚组进行组织，分组依据为性别（两性、男性和女性）和年龄（ASR、<25、25–50、>50）组。为使GBD的年龄组与项目所需的年龄类别保持一致，来自较小GBD年龄组（如0-14、15-19和20-24组）的数据通过加权平均公式（1）合并为更广泛的组（如25岁以下组），同时考虑

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。