意大利重症COVID-19临床特征数据集
该数据集来自意大利，聚焦重症COVID-19住院患者的临床特征，用于识别死亡预测因素。数据覆盖18名需要重症监护支持的SARS-CoV-2患者，记录了多器官衰竭、感染性休克和肺塌陷等死亡原因，以及合并症、低体重等基线特征与致死结局的关联
基本信息
资源简介
意大利重症COVID-19临床特征数据集
Clinical Characteristics of Severe COVID-19 in Italy
该数据集来自意大利，聚焦重症COVID-19住院患者的临床特征，用于识别死亡预测因素。数据覆盖18名需要重症监护支持的SARS-CoV-2患者，记录了多器官衰竭、感染性休克和肺塌陷等死亡原因，以及合并症、低体重等基线特征与致死结局的关联。数据集包含主题标签如Infectious Disease、Sepsis、Intensive Care、Intubation等，可用于重症COVID-19的死亡风险分类与临床预测研究（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）：意大利是严重急性呼吸综合征冠状病毒2（SARS-CoV-2）大流行期间受影响最严重的欧洲国家之一。意大利超过50%的病例发生在北部伦巴第大区，2020年3月至4月期间，当地卫生服务饱和，迫使医院根据可用资源分配患者。18名重症2019冠状病毒病（COVID-19）患者被收入我院，需要重症支持。鉴于该病的致死性，我们调查了患者的特征以识别死亡预测因素。我们统计到7例死于多器官衰竭，2例死于感染性休克，2例死于肺塌陷。最高病死率见于在医院内感染SARS-CoV-2的患者。致死结局与以下基线特征相关：多合并症（OR 2.519，p = 0.048）、低体重
【主题与分类】
主题标签：Infectious Disease、Sepsis、Anesthesia、Intensive Care、Intubation、Systemic Inflammatory Response Syndrome、COVID-19。本站分类：呼吸系统疾病/其他。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/sn35f9x3vt
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/sn35f9x3vt
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 36.8 KB。
数据说明
意大利是严重急性呼吸综合征冠状病毒2（SARS-CoV-2）大流行期间受影响最严重的欧洲国家之一。意大利超过50%的病例发生在北部的伦巴第大区，2020年3月至4月期间，该地区医疗服务饱和，迫使医院根据可用资源分配患者。18名重症2019冠状病毒病（COVID-19）患者被收入我院，需要重症支持。鉴于该病的致死性，我们研究了患者的特征，以确定死亡预测因素。我们统计了7例因多器官衰竭死亡，2例因感染性休克死亡，2例因肺萎陷死亡。最高病死率见于在医院感染SARS-CoV-2的患者。致命结局与以下基线特征相关：多病共存（OR 2.519，p = 0.048）、低体重指数（OR 2.288，p = 0.031）、低血红蛋白（OR 3.012，p = 0.046）和抗凝血酶III（OR 1.172，p = 0.048），以及入院后最初72小时内PaO2/FiO2比值恶化（OR 1.067，p = 0.031）。
住院期间合并感染的发生与更长的重症监护需求相关（B = 4.511，p = 0.001）。该数据集被用于撰写文章《意大利疫情期间伦巴第重症监护室收治的重症COVID-19患者的临床特征》，该文章于2021年由《Frontiers in Medicine》杂志发表（DOI:10.3389/fmed.2021.582896）。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
