专科网络传染病队列

数据集获取

源站：https://clinicaltrials.gov/study/NCT06879184

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

条件：传染病及其表现。作为欧洲未来公共卫生危害情况下常备招募基础设施理念的一部分，同时也是应对重大传染病领域紧迫问题的工具，传染病专家网络（SNID）队列以标准化和质量保证的方式收集临床患者数据和生物样本。在此意义上，SNID作为德国大学医学网络（NUM）内的结构化数据和去中心化生物样本库而存在。SNID队列的主要目标是：1）收集重大传染病的临床患者数据和生物样本，以加速转化研究和结局研究，旨在改善未来患者的诊断和治疗策略；2）通过在传染病领域建立和维持常备招募网络，建立大流行病防范能力；3）建立哨点计划，以观察和监测需要患者住院治疗的严重感染暴发。

本研究将在不同的特定模块中识别并招募患者，每个模块为本主研究方案提供一个子方案。这些模块聚焦于感染性疾病的主要领域（“实体”），并将描述研究问题与优先事项，以及对相应受影响患者进行观察的具体要求。它们还将命名这些疾病中已成为或可能成为SNID队列重点的特定亚型（“亚实体”）。例如，“呼吸道感染”模块可能有一个“社区获得性肺炎”实体，而该实体又可能有诸如“嗜肺军团菌引起的社区获得性肺炎”等亚实体。研究记录患者的社会人口学、流行病学和临床基础数据，包括可能的既往病史、医学诊断和治疗信息。根据研究情况，记录还辅以残余样本或非侵入性生物采样。

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。