2018年全球5岁以下儿童季节性流感相关呼吸道感染疾病负担：系统综述与建模研究
该数据集来自 datashare.ed.ac.uk，主题为呼吸系统疾病/肺炎，聚焦2018年全球5岁以下儿童季节性流感相关呼吸道感染疾病负担
基本信息
资源简介
2018年全球5岁以下儿童季节性流感相关呼吸道感染疾病负担：系统综述与建模研究
该数据集来自 datashare.ed.ac.uk，主题为呼吸系统疾病/肺炎，聚焦2018年全球5岁以下儿童季节性流感相关呼吸道感染疾病负担。源站描述显示，研究旨在纳入新数据，更新全球5岁以下儿童流感病毒相关呼吸道感染的病例数、住院人数和死亡人数估计，并涉及区域与全球负担的估算。数据可用于分析儿童急性下呼吸道感染与季节性流感病毒的关联、评估全球疾病负担变化，以及支持疫苗政策与公共卫生决策相关研究（来源 datashare.ed.ac.uk）。
【数据内容】
源站描述（机器翻译，仅供参考）：背景 季节性流感病毒是幼儿急性下呼吸道感染（ALRI）的常见原因。2008年，我们估计全球5岁以下儿童中发生了2000万例流感病毒相关ALRI和100万例流感病毒相关重症ALRI。尽管疾病负担如此巨大，只有少数低收入和中等收入国家采用了儿童常规流感疫苗接种政策，而且即使存在这些政策，其疫苗覆盖率也仅达到低水平或未知水平。此外，由于甲型H1N1pdm09流感的出现和传播，流感疾病负担可能已经发生变化。我们旨在纳入新数据，以更新2018年全球5岁以下儿童流感病毒相关呼吸道感染的病例数、住院人数和死亡人数的估计。 方法 我们估计了区域和全球疾病负担
【主题与分类】
主题标签：Seasonal influenza virus、Children、Acute lower respiratory infection、burden、global burden。本站分类：呼吸系统疾病/肺炎。
【获取与许可】
源站页面：https://datashare.ed.ac.uk/handle/10283/3582
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://datashare.ed.ac.uk/handle/10283/3582
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:
数据说明
背景 # 季节性流感病毒是幼儿急性下呼吸道感染（ALRI）的常见原因。2008年，我们估计全球5岁以下儿童中发生了2000万例流感病毒相关ALRI和100万例流感病毒相关严重ALRI。尽管负担如此沉重，但只有少数低收入和中等收入国家采用了儿童常规流感疫苗接种政策，而且即使存在这些政策，疫苗接种率也仅达到低水平或未知水平。此外，由于甲型H1N1pdm09流感的出现和传播，流感负担可能已经发生变化。我们的目标是纳入新数据，以更新2018年全球5岁以下儿童流感病毒相关呼吸道感染的病例数、住院人数和死亡人数的估计。 # 方法 # 我们通过对1995年1月1日至2018年12月31日期间发表的100项研究以及另外57项高质量未发表研究进行系统综述，估计了5岁以下儿童流感相关呼吸道感染的区域和全球负担。我们采用纽卡斯尔-渥太华量表评估偏倚风险。
我们按严重程度、病例确认情况、地区和年龄估算了流感病毒相关呼吸道感染的发病率和住院率。我们通过结合流感病毒ALRI的住院人数和院内病死率，估算了流感病毒ALRI的院内死亡人数。我们基于院内死亡人数、美国儿童流感相关死亡数据以及低收入和中低收入国家六个地区基于人群的儿童全因肺炎死亡率数据，估算了流感病毒相关ALRI死亡人数的上限。# 结果 # 2018年，全球5岁以下儿童中，估计有1.095亿例流感病毒发作（不确定范围[UR] 6310万–1.906亿），1010万例流感病毒相关ALRI病例（680万–1510万）；87
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。
