炎症性疾病中的疫苗接种认知——流感、肺炎与COVID-19
该数据集来自clinicaltrials.gov,聚焦炎症性疾病人群对流感、肺炎和COVID-19疫苗接种的认知与接种行为

基本信息
资源简介
炎症性疾病中的疫苗接种认知——流感、肺炎与COVID-19
该数据集来自clinicaltrials.gov,聚焦炎症性疾病人群对流感、肺炎和COVID-19疫苗接种的认知与接种行为。覆盖类风湿关节炎、银屑病关节炎、系统性红斑狼疮、强直性脊柱炎、血管炎、反应性关节炎和炎症性肠病等疾病人群。这些患者常使用免疫抑制药物,感染风险较高,被推荐接种肺炎和季节性流感疫苗,并在国家推广早期被优先安排接种COVID-19疫苗,但肺炎和流感疫苗接种率低于理想水平。数据可用于分析影响接种决策的因素,如担心疾病复发或对疫苗有效性认知不足,并支持疫苗接种促进相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:炎症性疾病、类风湿关节炎、银屑病关节炎、系统性红斑狼疮、强直性脊柱炎、血管炎、反应性关节炎、炎症性肠病。炎症性疾病患者常接受抑制免疫系统的药物治疗,从而增加感染风险。因此,建议他们接种肺炎和季节性流感疫苗。在全国推广初期,他们也被优先接种COVID-19疫苗。然而,该群体中肺炎和季节性流感疫苗的接种率低于理想水平。他们选择或不选择接种这些疫苗的原因可能有很多,例如认为疫苗可能导致疾病发作,或对疫苗有效性缺乏了解。据经验观察,成年人中COVID-19疫苗的接种率很高
【主题与分类】
主题标签:Inflammatory Disease、Rheumatoid Arthritis、Psoriatic Arthritis、Systemic Lupus Erythematosus、Ankylosing Spondylitis、Vasculitis、Reactive Arthritis、Inflammatory Bowel Diseases。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05115370
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://clinicaltrials.gov/study/NCT05115370
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
疾病:炎症性疾病、类风湿关节炎、银屑病关节炎、系统性红斑狼疮、强直性脊柱炎、血管炎、反应性关节炎、炎症性肠病。炎症性疾病患者常接受抑制免疫系统的药物治疗,这增加了感染的风险。因此,建议他们接种肺炎和季节性流感疫苗。在国家推广初期,他们也被优先考虑接种COVID-19疫苗。然而,这一群体中肺炎和季节性流感疫苗的接种率低于理想水平。他们选择或不选择接种这些疫苗的原因可能有很多,比如认为疫苗可能导致疾病发作,或对疫苗有效性缺乏了解。据观察,患有炎症性疾病的成年人中COVID-19疫苗接种率较高,但关于疫苗引发疾病发作的担忧及并发症报道使一些人望而却步,未能接种。
更深入地理解人们接种和未接种疫苗的原因,可能有助于为患者提供更有针对性的信息,从而帮助克服这些传染病的疫苗犹豫。本研究旨在探讨患有常见炎症性疾病并正在使用免疫抑制药物的成年人接种疫苗的驱动因素和障碍。他们将被邀请参加一次半结构化访谈。访谈将以面对面、电话或视频通话方式进行,时长最多一小时,并进行数字录音。访谈将探讨参与者对肺炎、季节性流感和COVID-19及其对自身健康所构成风险的理解,他们对疫苗接种的理解,对接种这些疫苗的益处和风险的看法,以及寻求或未寻求接种疫苗的原因。研究结果将为患者教育宣传单中关于接种这些疫苗的信息提供依据,例如患者慈善机构通常在专科门诊提供的宣传单。研究结果还将传播给医疗专业人员,以帮助他们更好地理解疫苗接种的驱动因素和障碍。
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。




