天气相关疾病预测数据集
该数据集整合了医学症状与天气条件，以促进对受气象因素影响的疾病预测研究。数据涵盖一系列天气参数以及来自大量匿名个体报告的症状
基本信息
资源简介
天气相关疾病预测数据集
Weather-related Disease Prediction Dataset 是一个面向气象因素相关疾病预测研究的数据集，整合了医学症状信息与天气条件信息，旨在为探索气象因素如何影响疾病发生提供数据基础。该数据集由 Ali Shan、Iqra Amir 与 Mustafa Kamal 共同完成，发布于 Zenodo，发布时间为 2024 年，采用 Creative Commons Attribution 4.0 International 许可协议。数据集在本站被归类为呼吸系统疾病 / 哮喘方向，其来源站为 doi.org。整体而言，该数据集将每日天气参数与大量匿名个体报告的症状相结合，覆盖年龄、性别、温度、湿度、风速、多种症状以及既往病史等变量，适合用于研究与气象条件相关的疾病预测建模。
【数据集背景】
该数据集的设计目标在于促进对受气象因素影响的疾病预测研究。气象条件与人类健康之间的关系长期受到关注，尤其是呼吸系统疾病、哮喘等可能随温度、湿度、风速等环境因素变化而波动的疾病类型。通过将医学症状与天气条件整合到同一数据集中，研究者可以在个体层面考察气象暴露与症状报告之间的关联，从而为疾病预测模型提供更丰富的输入维度。该数据集在本站被归入呼吸系统疾病 / 哮喘分类，说明其应用方向与呼吸系统相关疾病的研究具有较强关联。
【数据内容】
数据集涵盖的变量包括患者年龄、性别、每日平均温度（摄氏度）、每日平均湿度百分比、每日平均风速（公里/小时）、多种症状以及既往病史。其中，性别以数值方式编码；症状包括恶心、关节疼痛、腹痛、高热、寒战、疲劳、流鼻涕、眼后疼痛等，均以二值形式表示，1 表示存在，0 表示不存在；既往病史包括哮喘史、高胆固醇、糖尿病、肥胖、HIV/AIDS、鼻息肉、高血压等，同样以二值形式编码。数据来自数量可观的匿名个体，样本覆盖一系列天气参数与报告症状的组合。
【采集与来源】
该数据集来源于 doi.org，发布机构为 Zenodo，作者为 Ali Shan、Iqra Amir 与 Mustafa Kamal，发布时间为 2024 年。关于数据的具体采集方式、采集地点、采集时间跨度以及样本招募流程，源站未提供。
【适用场景】
该数据集适用于研究与气象因素相关的疾病预测任务，尤其是呼吸系统疾病与哮喘方向。研究者可利用其中的天气参数与症状、既往病史信息，构建预测模型，探索温度、湿度、风速等气象变量与特定症状或疾病之间的统计关联。此外，该数据集也可用于特征工程、分类建模以及气象健康交叉领域的探索性分析。关于该数据集是否适用于其他特定疾病或特定人群，源站未提供。
【使用方法】
该数据集以结构化表格形式组织，包含年龄、性别、温度、湿度、风速、症状二值变量以及既往病史二值变量。使用者可将症状与既往病史作为特征或目标变量，将天气参数作为环境暴露变量，开展预测建模或关联分析。由于性别采用数值编码，症状与既往病史采用二值编码，使用前通常需要进行变量含义映射与必要的数据清洗。关于具体的加载方式、文件格式、字段命名规范以及推荐的分析流程，源站未提供。
【质量与限制】
该数据集整合了医学症状与天气条件，样本来自大量匿名个体，具备一定的规模基础。然而，关于数据缺失情况、标注质量控制、样本代表性、地理覆盖范围以及潜在偏倚，源站未提供。此外，症状与既往病史均为二值编码，可能损失严重程度与时间维度信息。使用者在使用时应关注这些潜在限制，并结合具体研究问题进行评估。
【引用与许可】
该数据集采用 Creative Commons Attribution 4.0 International 许可协议，允许在署名条件下使用、共享与改编。引用时需注明作者 Ali Shan、Iqra Amir 与 Mustafa Kamal，发布机构 Zenodo，发布时间 2024 年，以及数据集英文名 Weather-related Disease Prediction Dataset。关于具体的引用格式与 DOI 标识，源站未提供。
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.11366485
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 673.8 KB。
数据说明
该数据集整合了医学症状与天气状况，旨在促进受气象因素影响的疾病预测研究。数据涵盖了一系列天气参数以及大量匿名个体报告的症状。变量：年龄：患者的年龄。性别：患者的性别（以数字编码）。温度（摄氏度）：日平均气温，单位为摄氏度。湿度：日平均湿度百分比。风速（公里/小时）：日平均风速，单位为公里/小时。症状：包括恶心、关节痛、腹痛、高烧、寒战、疲劳、流鼻涕、眼后疼痛等多种症状，以二元值编码（1表示存在，0表示不存在）。既往病史：如哮喘史、高胆固醇、糖尿病、肥胖、HIV/AIDS、鼻息肉、高血压等状况，同样以二元值编码。数据收集方法：数据来源于匿名医疗记录及相应的当地气象站。所有个人标识信息均已移除，以确保患者隐私和数据保密，遵循医学数据处理伦理标准。
使用说明：本数据集旨在供学术和研究环境使用，特别是在关注天气对人类健康影响的研究中。它对于开发基于天气模式预测疾病暴发可能性的机器学习模型尤为有用。
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。
