加拿大COVID-19前瞻性队列研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT05125510

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。

数据说明

研究条件：Covid19。2019年12月，在中国武汉发现了一种新型冠状病毒（COVID-19）感染的肺炎，目前已成为全球大流行病。早期研究正在不断涌现，但对于这些患者及其照护者而言，究竟哪些因素可能决定更好或更差的结局，以及该感染长期后果的详细性质，仍不清楚。当前数据表明，80-85%的COVID-19感染患者症状轻微，无需住院。在住院患者中，60-80%将在数天后出院，20-40%可能需要入住重症监护室（ICU）和/或接受机械通气（约占所有COVID-19阳性患者的4-6%）。这些不同临床路径的决定因素亟需明确，目前尚不清楚。CANCOV研究者小组正在开展一项加拿大全国性COVID-19前瞻性队列研究（CANCOV）。

这将是一项多中心、为期一年的随访研究，对象为加拿大各参与中心收治于急症护理医院（入住普通内科病房和/或ICU）的1000名COVID-19患者及其照护者，以及1000名非住院患者（检测阳性并被要求居家隔离者）。此外，还将纳入500至1000名COVID-19检测未呈阳性但临床诊断为COVID-19的患者队列，用于调查和比较。总体目标是确定患者及其照护者的短期结局（住院期间，非住院患者为2周结局）和较长期结局（急性出院后或门诊患者诊断后1、3、6和12个月），以及这些结局的临床、社会人口学、遗传/转录组/表观基因组/免疫学预测因素。由于存在“长COVID”综合征患者，研究者增加了一项可选的研究延长期，额外延长48个月，随访最长可达5年。通过利用研究者的专业知识

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。