1918年芝加哥流感大流行死亡率与传播的社会人口因素差异数据

数据集获取

源站：https://doi.org/10.5061/dryad.48nv3

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。

数据集大小约 903.9 KB。

数据说明

社会因素已被证明会导致不同地理区域间流感负担的差异。我们利用包含7，971例流感和肺炎死亡的历史数据集，探讨了1918年芝加哥流感大流行期间潜在的汇总层面社会决定因素与死亡率之间的关系。人口普查区层面的社会因素，包括文盲率、房屋拥有率、人口数量以及失业率，被评估为芝加哥大流行死亡率的预测因子。采用拟合广义估计方程（GEEs）的泊松模型来估计社会因素与流感和肺炎死亡风险之间的关联。泊松模型显示，在调整了人口密度、房屋拥有率、失业率和年龄后，文盲率每增加10%，流感和肺炎死亡率平均上升32.2%。我们还发现传播力与人口密度、文盲率和失业率之间存在显著关联，但与房屋拥有率无关。最后，对报告的流感和肺炎死亡病例点位置的分析揭示了精细尺度的时空聚集性。

本研究表明，在1918年芝加哥流感大流行期间，居住在文盲率较高的人口普查区会增加流感和肺炎死亡的风险。我们观察到，社区层面健康结构性决定因素的差异导致此次大流行中流感发病率的差异，这表明在未来的大流行中，这些差异及其决定因素仍应作为研究和控制的目标。

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。