阿拉木图COVID-19不同变异株时期临床严重程度与住院结局数据及R代码

数据集获取

源站：https://doi.org/10.5281/zenodo.23608061

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。

数据集大小约 496.6 KB。

数据说明

本数据集包含去标识化的患者层面数据及完整的R代码，可复现一项回顾性单中心队列研究的全部表格、图形和补充表格。该队列由2020年3月28日至2021年12月31日期间在哈萨克斯坦阿拉木图市以I. Zhekenova命名的阿拉木图市临床传染病医院住院的2,313名COVID-19成年患者组成。根据国家基因组监测结果，将入院病例划分为关注变异前（pre-VOC）、Alpha优势流行和Delta优势流行三个流行期。R流程（run_all.R）可生成以下内容：按流行期对患者特征和结局进行描述性比较；院内死亡、急性呼吸窘迫综合征（ARDS）以及死亡或转入重症监护病房（ICU）的偏倚校正（Firth型）logistic回归（模型A）；死亡或转入ICU的探索性弹性网预后模型，并附经bootstrap乐观校正的C统计量（模型B）；多重插补及四项预设敏感性分析；论文图形。

内容：data/covid_almaty_cohort_deidentified.csv：2,395条记录，由2,313名分析患者和82条标记为重复病历标识符的记录组成，后者用于一项敏感性分析。data/data_dictionary.csv：变量定义、编码、单位和完整性。R脚本，及其生成的结果表和 figures。

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。