支持数据:主要眼健康问题与重大非传染性疾病共同风险因素的快速综述与评论
背景:旨在了解与视力损害相关的最常见眼健康问题与非传染性疾病(NCDs)之间风险因素的交集。方法:针对全球视力损害主要病因的五种常见眼健康问题(屈光不正,包括未矫正的屈光不正、白内障、年龄相关性黄斑变性(AMD)、青光眼和糖尿病视网膜病变)和五种高发非传染性疾病(癌症、心血管疾病、慢性呼吸系统疾病、

基本信息
资源简介
支持数据:主要眼健康问题与重大非传染性疾病共同风险因素的快速综述与评论
背景:旨在了解与视力损害相关的最常见眼健康问题与非传染性疾病(NCDs)之间风险因素的交集。方法:针对全球视力损害主要病因的五种常见眼健康问题(屈光不正,包括未矫正的屈光不正、白内障、年龄相关性黄斑变性(AMD)、青光眼和糖尿病视网膜病变)和五种高发非传染性疾病(癌症、心血管疾病、慢性呼吸系统疾病、
Supporting data for: Risk factors common to leading eye health conditions and major non-communicable diseases: A rapid review and commentary
【数据内容】
源站描述(机器翻译,仅供参考):背景:旨在了解与视力损害相关的最常见眼健康问题与非传染性疾病(NCDs)之间风险因素的交集。方法:针对全球视力损害主要病因的五种常见眼健康问题(屈光不正,包括未矫正的屈光不正、白内障、年龄相关性黄斑变性(AMD)、青光眼和糖尿病视网膜病变)和五种高发非传染性疾病(癌症、心血管疾病、慢性呼吸系统疾病、痴呆和抑郁障碍),开展了一系列针对综述的快速综述,报告不可改变的风险因素(年龄和性别)以及可改变的风险因素(包括社会决定因素)。结果:眼健康问题与非传染性疾病共享许多风险因素。年龄增长是最常见的共享风险因素,与风险增加相关
【主题与分类】
主题标签:眼健康、非传染性疾病、风险因素、快速综述、视力损害、全球健康。本站分类:肿瘤。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A0408c82a016d5cf46c005afa30b0f5140568139cb4d69c9bc91fc6de6cf3be91
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
背景:旨在了解与视力损伤相关的最常见眼健康问题与非传染性疾病(NCDs)之间风险因素的交集。方法:针对全球视力损伤主要病因的五种常见眼健康问题(屈光不正,包括未矫正的屈光不正、白内障、年龄相关性黄斑变性(AMD)、青光眼和糖尿病视网膜病变)以及五种常见非传染性疾病(癌症、心血管疾病、慢性呼吸系统疾病、痴呆和抑郁障碍),开展了一系列针对综述的快速综述,报告了不可改变的风险因素(年龄和性别)以及可改变的风险因素(包括社会决定因素)。结果:眼健康问题与非传染性疾病共享许多风险因素。年龄增长是最常见的共享风险因素,与AMD、白内障、糖尿病视网膜病变、青光眼、屈光不正、癌症、心血管疾…
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。




