伯尔尼大流行防范准备队列研究（BEready）

数据集获取

源站：https://clinicaltrials.gov/study/NCT06739499

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

条件：大流行病、COVID-19、感染、人畜共患病、流行病、呼吸道感染。总体目标是将BEready建立为一个“大流行病防范队列”，该队列拥有特征明确的家户研究人群，具备开展传染病研究的基础设施，并能够迅速动员以应对新的大流行病。BEready旨在了解伯尔尼州家户（包括宠物）中传染病的流行病学和传播情况（尤其是病毒性呼吸道病原体），并让多元社区参与加强大流行病防范的努力。具体目标如下：* 研究传染病的分布和时间特征以及循环传染病的传播模式，包括人与人之间以及人与动物界面（同一健康）的传播 * 研究社会因素（如性别、情感极化）和环境因素（如

气候变化），这可能影响传染病的传播或感染；* 了解伯尔尼州的家庭（包括其宠物）过去和将来如何受到COVID-19的影响；以及* 让多元社区参与持续努力，以加强大流行病和公共卫生素养，并为应对新大流行病的公共卫生响应做好准备。

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。