印度各邦哮喘负担与环境概况数据集(1990–2023)
环境观测数据经处理并聚合到邦级,并与2023年哮喘负担估计进行关联分析。工作簿中包含README/数据字典。主题标签:哮喘、呼吸系统疾病、空气污染、疾病负担、DALYs、印度、GBD 2023

基本信息
资源简介
印度各邦哮喘负担与环境概况数据集(1990–2023)
环境观测数据经处理并聚合到邦级,并与2023年哮喘负担估计进行关联分析。工作簿中包含README/数据字典。主题标签:哮喘、呼吸系统疾病、空气污染、疾病负担、DALYs、印度、GBD 2023
Statewise Asthma Burden and Environmental Profile Dataset, India, 1990–2023
【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):该数据集包含研究“Air Pollution and Asthma Burden in India: Spatiotemporal Analysis from 1990 to 2023”所使用的分析就绪数据。它包括印度及其各邦/联邦属地1990–2023年的年龄标化哮喘患病率、伤残调整生命年(DALYs)、伤残损失健康生命年(YLDs)和早逝损失生命年(YLLs),源自Institute for Health Metrics and Evaluation (IHME) Global Burden of Disease Study 2023。它还包含2023年邦级环境与空气质量指标,取自公开可用的Air Quality Dataset: Indian Cities (2022–2025),该数据集由Bhautik Vekariya编制,可通过Kaggle获取。环境观测数据经处理并聚合到邦级,并与2023年哮喘负担估计进行关联分析。工作簿中包含README/数据字典。
【主题与分类】
主题标签:哮喘、呼吸系统疾病、空气污染、疾病负担、DALYs、印度、GBD 2023。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.22869458
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.22869458
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 242.2 KB。
数据说明
本数据集包含研究《印度的空气污染与哮喘负担:1990年至2023年的时空分析》中所使用的可分析数据。其中包括1990—2023年印度及其各邦/联邦属地的年龄标准化哮喘患病率、伤残调整生命年(DALYs)、伤残损失健康生命年(YLDs)和过早死亡损失生命年(YLLs),数据来源于健康指标与评估研究所(IHME)2023年全球疾病负担研究。数据集还包含2023年邦级环境与空气质量指标,这些指标取自公开可用的Air Quality Dataset: Indian Cities (2022–2025),该数据集由Bhautik Vekariya编制,可通过Kaggle获取。环境观测数据经过处理并汇总至邦级,并与2023年哮喘负担估计值进行了关联分析。工作簿中包含README/数据字典。
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。




