肺炎球菌季节性流行病学数据
该数据集来自 Dryad,对应 2019 年关于肺炎球菌季节性流行病学的研究,主题为呼吸系统疾病中的肺炎。数据围绕 Streptococcus pneumoniae 感染(包括侵袭性肺炎球菌疾病 IPD)展开,结合年龄结构的携带传播与疾病动态模型及 IPD 发病率数据,用于检验肺炎球菌季节性成分与机

基本信息
资源简介
肺炎球菌季节性流行病学数据
Data from: Unraveling the seasonal epidemiology of pneumococcus
该数据集来自 Dryad,对应 2019 年关于肺炎球菌季节性流行病学的研究,主题为呼吸系统疾病中的肺炎。数据围绕 Streptococcus pneumoniae 感染(包括侵袭性肺炎球菌疾病 IPD)展开,结合年龄结构的携带传播与疾病动态模型及 IPD 发病率数据,用于检验肺炎球菌季节性成分与机制的多种假设。研究关注气候、流感样疾病和人际接触对 IPD 季节性的联合作用,以及携带获得率和侵袭率的季节性变化。可用于传染病季节性建模与预测研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2019。
【数据内容】
源站描述(机器翻译,仅供参考):由 Streptococcus pneumoniae 引起的感染——包括侵袭性肺炎球菌疾病(IPDs)——在全球范围内仍是重要的公共卫生问题。在非热带气候中,IPDs 显著的冬季季节性特征是肺炎球菌流行病学中一个突出但仍未解之谜。在此,我们将年龄结构的携带传播与疾病动态模型与详细的 IPD 发病率数据进行对照,以检验关于肺炎球菌季节性成分与机制的一系列假设。我们发现,气候、流感样疾病和人际接触的季节性变化共同解释了 IPD 季节性。我们表明,携带获得率和侵袭率均随季节变化,协同作用以产生 IPDs 典型的显著季节性。我们还发现证据表明,流感样疾病以年龄特异性的方式提高侵袭率,
【主题与分类】
主题标签:infectious disease seasonality、Influenza、Streptococcus pneumoniae。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.2j3c073
使用许可:Creative Commons Zero v1.0 Universal。
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/10.5061/dryad.2j3c073
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 267.0 KB。
数据说明
由肺炎链球菌引起的感染——包括侵袭性肺炎球菌疾病(IPDs)——仍然是全球范围内一个重大的公共卫生问题。在非热带气候下,IPDs明显的冬季季节性特征是肺炎球菌流行病学中一个引人注目但仍未解之谜。在此,我们将年龄结构化的携带传播与疾病动态模型与详细的IPD发病率数据相结合,以检验一系列关于肺炎球菌季节性组成部分及其机制的假设。我们发现,气候、流感样疾病及个体间接触的季节性变化共同解释了IPD的季节性。我们展示,携带获得率和侵袭率均随季节变化,二者协同作用,产生了IPDs典型的显著季节性。我们还发现证据表明,流感样疾病以年龄特异性的方式增加侵袭率,对老年人的影响比其他年龄段更为显著。最后,我们量化了季节性定时干预措施的潜在影响,这是一种利用肺炎球菌季节性来帮助减少IPDs的控制措施类型。
我们的发现揭示了肺炎球菌的流行病学特征,并可能对控制肺炎球菌感染具有重要意义。
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。




