纽约市儿童哮喘住院与城市环境关联地理验证数据 2009–2023
该数据集支持题为“城市环境与儿童哮喘住院的关联是否在社区间具有普遍性。纽约市的地理验证”的研究。所存文件包含公开来源、经协调和派生的表格数据,用于考察纽约市城市环境与儿童哮喘住院之间邻里层面关联的空间分布、系数稳定性和预测可迁移性

基本信息
资源简介
纽约市儿童哮喘住院与城市环境关联地理验证数据 2009–2023
该数据集支持题为“城市环境与儿童哮喘住院的关联是否在社区间具有普遍性。纽约市的地理验证”的研究。所存文件包含公开来源、经协调和派生的表格数据,用于考察纽约市城市环境与儿童哮喘住院之间邻里层面关联的空间分布、系数稳定性和预测可迁移性
Data supporting the geographic validation of urban environmental associations with childhood asthma hospitalisation in New York City, 2009–2023
【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):该数据集支持题为“城市环境与儿童哮喘住院的关联是否在社区间具有普遍性?纽约市的地理验证”的研究。所存文件包含公开来源、经协调和派生的表格数据,用于考察纽约市城市环境与儿童哮喘住院之间邻里层面关联的空间分布、系数稳定性和预测可迁移性。研究时段为2009年至2023年,具体取决于各源数据集的可得时段。Excel工作簿包括:Modified ZIP Code Tabulation Area层级的儿童哮喘住院指标;建成环境指标,包括行道树密度、公园面积、建筑容积率和道路密度;年度空气污染指标,包括PM2.5和NO2; neighbou
【主题与分类】
主题标签:呼吸系统疾病、哮喘、儿童哮喘住院、城市环境、地理验证、New York City、空气污染、建成环境。本站分类:呼吸系统疾病/哮喘。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.21884959
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.21884959
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 2.2 MB。
数据说明
该数据集支持题为“城市环境与儿童哮喘住院的关联是否在不同社区间具有普遍性?纽约市的地理验证”的研究。所存文件包含公开获取、经协调和衍生的表格数据,用于考察纽约市城市环境与儿童哮喘住院之间社区层面关联的空间分布、系数稳定性和预测可迁移性。研究时段为2009年至2023年,具体取决于各源数据集的可用时段。
Excel工作簿包括:改良邮编制表区层面的儿童哮喘住院指标;建成环境指标,包括行道树密度、公园面积、建筑容积率和道路密度;年度空气污染指标,包括PM2.5和NO2;社区社会经济指标,包括贫困、失业和人口相关指标;空间协调的分析就绪数据集;空间回归、影响分解、系数异质性和地理验证分析所依据的模型输入与输出;支持手稿中主要图表、表格和敏感性分析的源数据;以及记录变量定义、单位、时间覆盖范围、地理单元和原始公共数据提供者的源注册表和数据字典。保留了两个相关的儿童哮喘结局,并分别加以标识。空间计量分析使用172个区域的观测住院率,而补充预测分析使用173个区域的风险调整住院率。
这些结果服务于不同的分析目的,不应被视为可互换的指标,也不应直接作为相互验证的依据。所 depositor 的数据支持三个主要分析组成部分:儿童哮喘住院的空间聚类、地理变异
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。




