SARS-CoV-2 感染患者的营养不良
数据围绕 SARS-CoV-2 感染患者的营养不良问题,可用于研究感染后营养状态变化、疾病严重程度与营养风险之间的关系,以及呼吸系统疾病与肺炎相关临床分析(来源 DOI 解析)

基本信息
资源简介
SARS-CoV-2 感染患者的营养不良
Malnutrition in SARS-CoV-2 infected patients
该数据集来自 doi.org,由 Briguglio, Matteo 发布,机构为 Mendeley,发布时间为 2021 年,主题涉及营养、健康状况、SARS-CoV-2 与 COVID-19。数据围绕 SARS-CoV-2 感染患者的营养不良问题,可用于研究感染后营养状态变化、疾病严重程度与营养风险之间的关系,以及呼吸系统疾病与肺炎相关临床分析(来源 DOI 解析)。
【数据集背景】
源站首次发布:2021。
【数据内容】
源站描述(机器翻译,仅供参考):2019 年 12 月底,中国武汉报告了一起病毒性肺炎暴发,随后的样本分析发现了一种新型冠状病毒(SARS-CoV-2)的参与,它属于与 2003 年引发 SARS-CoV 和 2012 年引发 MERS-CoV 的单链包膜 RNA 病毒同一科。COVID-19(SARS-CoV-2 综合征)的症状可能在暴露后 2–14 天内出现,并可导致气道细胞纤毛摆动困难和肺泡损伤。感染患者经历从轻微到严重的表现,如发热、干咳、呼吸困难、腹痛和腹泻。大多数病例迅速痊愈,但该感染在约 3% 的病例中仍可致命。与 MERS 或感染猪的冠状病毒非常相似,肠道病变可能很突出,可能导致吸收能力丧失。在其发现后仅几周
【主题与分类】
主题标签:Nutrition、Health Status、COVID-19。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/h5y24hzrgd
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/10.17632/h5y24hzrgd
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 9.4 KB。
数据说明
2019年12月底,中国武汉报告了一起病毒性肺炎疫情,随后的样本分析发现了一种新型冠状病毒(SARS-CoV-2)的参与,该病毒与2003年引起SARS-CoV和2012年引起MERS-CoV的病毒同属单链包膜RNA病毒家族。COVID-19(SARS-CoV-2综合征)的症状可能在暴露后2至14天内出现,并可导致气道细胞纤毛运动困难及肺泡损伤。感染者表现出从轻微到严重的不同症状,如发热、干咳、呼吸困难、腹痛和腹泻。大多数病例迅速康复,但约3%的病例仍可能致命。与MERS或感染猪的冠状病毒相似,肠道症状可能较为突出,可能导致吸收功能丧失。自发现以来仅数周,COVID-19就被视为全球性的严重威胁。初步数据提示,老年男性和免疫功能障碍者可能更易发展为重症病毒性疾病,但仍需进一步研究毒力因子。
讨论最多的因素之一是宿主的营养不良状态,但大多数观点都缺乏实证。该数据集被用于撰写文章《宿主的营养不良状态作为新型冠状病毒SARS-CoV-2的毒力因子》,该文章由《医学前沿》杂志于2020年发表。
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。




