野生动物疾病模型检测误差对血清流行率预测及风险因素关联的影响数据

数据集获取

源站：https://doi.org/10.5061/dryad.8p25386

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 6.5 KB。

数据说明

了解入侵物种中病原体的流行情况，对于指导防止病原体传播给农业动物、野生动物和人类的努力至关重要。由于采样和检测的不完善（病原体可能在受感染的个体中未被检测到，而在未感染的个体中被错误检测到），野生物种的病原体流行率可能难以估计。入侵性野猪（Sus scrofa，也称为野猪和野化猪）是北美家畜和人类病原体最广泛的宿主之一。我们开发了考虑不完美检测的层次贝叶斯模型，利用九年间超过50，000个样本的数据集，估计美国野猪中五种病原体（猪繁殖与呼吸综合征病毒、伪狂犬病病毒、猪甲型流感病毒、戊型肝炎病毒和布鲁氏菌属）的血清流行率。为了评估在模型中纳入检测误差的影响，我们还评估了忽略检测误差的模型。两组模型均包含了人口统计学参数对血清流行率的影响。

我们将血清阳性率的预测结果与40项已发表研究进行了比较，其中仅有一项研究考虑了不完全检测的问题。我们发现各病原体的血清阳性率存在一定范围，其中伪狂犬病病毒的血清阳性率较高，表明其对家畜和野生动物构成显著风险。人口统计学因素的影响大多较弱，这表明其他变量在预测血清阳性率方面可能具有更大的作用。忽略检测误差的模型会导致血清阳性率预测结果不同，同时对人口统计学参数影响的推断也有所不同。我们的结果凸显了在血清阳性率模型中纳入检测误差的重要性，并表明忽略此类误差可能导致关于病原体传播相关风险的错误结论。当利用机会性采样数据来建模血清阳性率并评估风险因

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。