COVID-19 长期影响
源站描述显示，研究采用观察性纵向队列设计，追踪出院后幸存者对自身健康、健康相关生活质量及疲劳、呼吸困难、焦虑等常见症状持续情况的看法，并评估潜在的社会人口学与生物学影响因素
基本信息
资源简介
COVID-19 长期影响
该数据集来自 clinicaltrials.gov，聚焦 COVID-19 幸存者出院后的长期影响，涵盖 Long COVID-19、Post-COVID-19 Syndrome 与 COVID-19 相关主题。源站描述显示，研究采用观察性纵向队列设计，追踪出院后幸存者对自身健康、健康相关生活质量及疲劳、呼吸困难、焦虑等常见症状持续情况的看法，并评估潜在的社会人口学与生物学影响因素。数据可用于分析长期症状演变、生活质量变化及相关因素，支持预测性建模与随访研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Long COVID-19、Post-COVID-19 Syndrome、COVID-19。COVID-19 由严重急性呼吸综合征冠状病毒 2（SARS-CoV-2）感染引起，对人类生命造成毁灭性影响，截至 2022 年 11 月死亡人数超过 660 万。此外，许多个体在初次感染后继续经历持续的后遗症。关于接受 COVID-19 住院治疗的影响知之甚少。因此，研究者提出一项观察性纵向研究，在 COVID-19 幸存者出院后的队列中，考察他们对自身健康、健康相关生活质量以及常见 COVID-19 症状（如疲劳、呼吸困难和焦虑）持续存在的看法。还将额外评估潜在的社会人口学和生物学影响因素。
【主题与分类】
主题标签：Long COVID-19、Post-COVID-19 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://clinicaltrials.gov/study/NCT05813574
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/NCT05813574
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
条件：长新冠、新冠后综合征、COVID-19。由严重急性呼吸综合征冠状病毒2（SARS-CoV-2）感染引起的COVID-19对人类生命造成了毁灭性影响，截至2022年11月，死亡人数已超过660万。此外，许多个体在初次感染后仍持续经历后遗症。目前对于COVID-19住院经历的影响知之甚少。因此，研究者提出一项观察性纵向研究，以COVID-19幸存者出院后的队列为对象，考察其对自身健康、健康相关生活质量以及常见COVID-19症状（如疲劳、呼吸困难和焦虑）持续存在的看法。此外，还将评估潜在影响的社会人口学和生物学因素。
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。
