孟加拉国三级医疗中心有症状COVID-19患者新冠后综合征前瞻性研究

背景:冠状病毒病(COVID-19)后综合征包括病毒清除后症状持续存在,以及在疾病初始临床和病毒学治愈后一个月内新发症状或慢性病加重,该疾病具有病毒病因学

DryadDryad
datacite
浏览 8
其他预测FOS: Clinical medicineCOVID-19
Post COVID syndrome among symptomatic COVID-19 patients: a prospective study in a tertiary care center in Bangladesh

基本信息

模态
其他
大小
0.000054254 GB
任务类型
预测
许可
Creative Commons Zero v1.0 Universal
创建/更新时间
2026-10-18
版本
5

资源简介

孟加拉国三级医疗中心有症状COVID-19患者新冠后综合征前瞻性研究

该数据集围绕孟加拉国一家三级医疗中心开展的新冠肺炎(COVID-19)康复者前瞻性研究,聚焦有症状COVID-19患者中“新冠后综合征”(Post COVID syndrome)的发生情况。研究在达卡医学院医院招募患者,对临床改善后的患者进行为期一个月的随访,旨在确定新冠后综合征的发生率、相关因素及危险因素。数据集由Dryad机构发布,发布时间为2021年,采用Creative Commons Zero v1.0 Universal许可,主题标签涉及临床医学领域,本站将其归类于呼吸系统疾病/其他类别。以下从背景、内容、来源、适用场景、使用方法、质量与限制、引用与许可等方面进行介绍。

【数据集背景】

新冠病毒病(COVID-19)后综合征是指病毒清除后症状持续存在,以及在疾病初始临床和病毒学治愈后一个月内新发症状或慢性疾病加重,且该疾病具有病毒病因学特征。随着COVID-19大流行的持续,康复患者中长期症状的持续与复发逐渐受到关注,明确其发生率、关联因素与危险因素对于临床随访和公共卫生管理具有重要意义。该研究正是在这一背景下设计,选择孟加拉国达卡医学院医院作为研究现场,针对有症状的COVID-19患者开展前瞻性观察,以期为新冠后综合征的识别与风险分层提供依据。

【数据内容】

该数据集对应一项前瞻性队列研究,研究对象为有症状的COVID-19患者。研究纳入的患者在临床改善后接受为期一个月的随访。临床改善的判定依据世界卫生组织及孟加拉国相关指南,具体包括连续3天体温正常、呼吸系统症状显著改善(呼吸频率小于25次/分钟且无呼吸困难),以及在不使用辅助吸氧的情况下血氧饱和度大于93%。数据集内容围绕新冠后综合征的发生率、关联及危险因素等研究目标展开。关于数据集的具体变量、记录条数、文件格式与组织结构,源站未提供。

【采集与来源】

研究在孟加拉国达卡医学院医院开展,时间范围为2020年6月1日至2020年8月10日。所有入组患者均被随访一个月,随访起点为临床改善之后。研究采用前瞻性队列设计,属于观察性研究。数据由Dryad机构发布,来源站为doi.org。数据集的作者包括Reaz, Mahmud、Rahman, Md. Mujibur、Rassel, Mohammad、Monayem, Farhana、Sayeed, S.K. Jakaria Been、Islam, Md Shahidul、Islam, Mohammed。关于样本量、抽样方式、随访失访情况等细节,源站未提供。

【适用场景】

该数据集可用于新冠后综合征相关的研究与教学场景,例如了解有症状COVID-19康复者在一个月随访期内症状持续、新发或慢性病加重的情况,探讨与新冠后综合征发生相关的因素和危险因素。也可作为临床医学、呼吸系统疾病领域观察性研究的案例材料,用于研究方法学讨论,如前瞻性队列设计、临床改善判定标准的应用以及短期随访方案的设计。此外,对于关注南亚地区、特别是孟加拉国COVID-19康复者结局的研究者,该数据集提供了特定医疗中心背景下的研究素材。具体可支持的二次分析类型需结合数据实际内容判断,源站未提供相关说明。

【使用方法】

使用该数据集时,应结合其前瞻性队列研究的设计特点,注意随访起点为临床改善之后、随访时长为一个月,以及临床改善判定所依据的体温、呼吸频率和血氧饱和度标准。研究关注的核心结局为新冠后综合征的发生,包括症状持续、新发症状或慢性病加重。使用者在开展分析前,应查阅数据集附带的文档以了解变量定义与数据结构;关于数据集的具体文件组成、变量说明与配套文档,源站未提供。使用中应尊重研究对象的隐私与伦理要求,并遵循所附许可条款。

【质量与限制】

该研究为单中心前瞻性队列研究,现场为孟加拉国达卡医学院医院,研究时间为2020年6月至8月,随访时长为一个月。这些特征意味着研究结论可能受单中心、特定时间段和较短随访期的约束。数据集发布机构为Dryad,发布时间为2021年。关于数据完整性、缺失值情况、样本量、质量控制措施及偏倚控制等具体信息,源站未提供。使用者在解释结果时应考虑研究设计与随访时长的局限,避免过度外推。

【引用与许可】

该数据集采用Creative Commons Zero v1.0 Universal许可,属于公共领域贡献性质的许可条款。使用者在引用时应标注数据集英文名称“Post COVID syndrome among symptomatic COVID-19 patients: a prospective study in a tertiary care center in Bangladesh”,并列出作者Reaz, Mahmud、Rahman, Md. Mujibur、Rassel, Mohammad、Monayem, Farhana、Sayeed, S.K. Jakaria Been、Islam, Md Shahidul、Islam, Mohammed,发布机构Dryad,发布时间2021年,以及来源站doi.org。关于具体引用格式与DOI标识符,源站未提供。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://doi.org/10.5061/dryad.m0cfxpp3g

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 54.3 KB。

数据说明

背景:冠状病毒病(COVID-19)后综合征包括病毒清除后症状持续存在,以及在具有病毒病因的疾病初始临床和病毒学治愈后一个月内新发症状或慢性病加重。我们旨在确定COVID-19后综合征的发生率、相关性及相关的危险因素。方法:我们于2020年6月1日至2020年8月10日在达卡医学院医院开展了一项前瞻性队列研究。所有入组患者在临床改善后接受了一个月的随访,临床改善的定义依据世界卫生组织和孟加拉国指南,即连续3天体温正常、呼吸系统症状显著改善(呼吸频率<25次/分且无呼吸困难),以及在不吸氧情况下血氧饱和度>93%。结果:在招募的400名患者中,对355名患者进行了分析。总计46%的患者出现了COVID-19后症状,其中病毒后疲劳是最普遍的症状,占70%的病例。

COVID-19后综合征与女性性别(相对危险度[RR]:1.2,95%置信区间[CI]:1.02–1.48,p=0.03)、临床改善所需时间较长者(p<0.001)以及初次阳性后14天仍显示COVID-19阳性者(RR:1.09,95% CI:1.00–1.19,p<0.001)相关。就诊时患有重型COVID-19的患者发展为COVID-19后综合征(p=0.02)。以发热(RR:1.5,95% CI:1.05–2.27,p=0.03)、咳嗽(RR:1.36,95% CI:1.02–1.81,p=0.04)、呼吸窘迫(RR:1.3,95% CI:1.4–1.56,p=0.001)和乏力(RR:1.2,95% CI:1.06–1.35,p=0.003)为表现特征的患者,比其他患者更易发展为COVID-19后综合征。Logistic回归分析显示,女性、呼吸窘迫、乏力和病程长为危险

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。

获取专属数据定制方案