COVID-19肺炎炎症标志物数据集
源站描述说明该数据用于确定COVID-19感染患者入院时血清CRP、铁蛋白和LDH与院内死亡率之间的关联。数据覆盖COVID-19肺炎患者的炎症标志物信息，可用于分析入院时炎症指标与院内死亡结局的关系，支持预测建模或关联分析（来源 DataONE）
基本信息
资源简介
COVID-19肺炎炎症标志物数据集
该数据集英文名为 Inflammatory markers in COVID-19 pneumonia，本站归类于呼吸系统疾病 / 肺炎，来源站为 search.dataone.org。根据源站描述，该数据集的用途是确定COVID-19感染患者入院时血清CRP、铁蛋白和LDH与院内死亡率之间的关联。数据覆盖COVID-19肺炎患者的炎症标志物信息，可用于分析入院时炎症指标与院内死亡结局的关系，支持预测建模或关联分析。数据集的主题标签为 Medicine, Health and Life Sciences。以下依据可获得的信息对该数据集作进一步介绍。
【数据集背景】
COVID-19肺炎患者的临床管理中，炎症标志物常被用于评估病情与预后。该数据集正是围绕这一临床问题而建立：通过收集COVID-19感染患者入院时的血清CRP、铁蛋白和LDH等炎症标志物信息，考察这些指标与患者院内死亡结局之间的关联。数据集英文名称直接点明其研究对象为COVID-19肺炎中的炎症标志物，本站将其归入呼吸系统疾病下的肺炎类别，主题标签则指向医学、健康与生命科学领域，说明其面向临床研究与健康数据分析用途。
【数据内容】
根据源站描述，数据集内容涉及COVID-19感染患者入院时的血清CRP、铁蛋白和LDH三类炎症标志物，以及与之对应的院内死亡结局信息。数据覆盖COVID-19肺炎患者的炎症标志物信息，核心用途是分析入院时炎症指标与院内死亡结局的关系。除上述提及的炎症标志物与院内死亡率相关信息外，数据集的具体变量构成、样本量、字段类型与编码方式等细节，源站未提供。
【采集与来源】
该数据集来源于 search.dataone.org。源站描述说明该数据被用于确定入院时血清CRP、铁蛋白和LDH与COVID-19感染院内死亡率之间的关联。关于数据的具体采集机构、采集地点、采集时间范围、纳入与排除标准等信息，源站未提供。
【适用场景】
基于源站描述，该数据集适用于以下方向：分析COVID-19肺炎患者入院时血清CRP、铁蛋白和LDH水平与院内死亡结局之间的关联；支持围绕炎症标志物与死亡结局关系的预测建模或关联分析。其主题标签表明该数据面向医学、健康与生命科学领域的研究与数据应用。除此之外的其他具体应用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、文件格式、变量说明文档、分析流程或推荐的分析工具等信息。
【质量与限制】
源站未提供关于该数据集质量评估、缺失值情况、样本代表性、偏倚控制或使用限制的说明。使用时应以源站描述所界定的用途为范围，即围绕入院时血清CRP、铁蛋白和LDH与院内死亡率的关联开展分析。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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
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
该数据集用于确定入院时血清CRP、铁蛋白和LDH与COVID-19感染院内死亡率的关联。
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。
