孟加拉国教室呼吸道病毒传播减少研究
该数据集来自clinicaltrials.gov,聚焦孟加拉国学校环境中减少呼吸道病毒传播的干预研究。研究在达卡60所政府小学开展,对三至五年级的教室随机分配空气过滤和/或紫外线消毒干预,评估其对学龄儿童经PCR确诊的呼吸道病毒感染发病率的影响

基本信息
资源简介
孟加拉国教室呼吸道病毒传播减少研究
该数据集来自clinicaltrials.gov,聚焦孟加拉国学校环境中减少呼吸道病毒传播的干预研究。研究在达卡60所政府小学开展,对三至五年级的教室随机分配空气过滤和/或紫外线消毒干预,评估其对学龄儿童经PCR确诊的呼吸道病毒感染发病率的影响。数据可用于分析环境干预措施对呼吸道病毒传播的防控效果,支持公共卫生策略制定与干预评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:SARS-CoV2感染、流感病毒感染、呼吸道病毒感染。这项在孟加拉国学校开展的整群随机对照试验将检验低成本空气过滤和/或对人体安全的紫外线杀菌灯干预能否降低学龄儿童呼吸道病毒感染的发病率。主要研究目标为:1. 试点并优化一种过滤教室空气的干预措施。2. 试点并优化一种用紫外线处理教室空气的干预措施。3. 评估空气过滤和紫外线对经聚合酶链反应(PCR)确诊的呼吸道病毒疾病发病率的单独和联合效果。方法:研究将在孟加拉国达卡的60所政府小学进行。在每所入组学校内,三、四、五年级的5个教室的学生将被随机分配接受:1. Bo
【主题与分类】
主题标签:SARS-CoV2 Infection、Influenza Viral Infections、Respiratory Viral Infection。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/NCT06247059
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/NCT06247059
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:SARS-CoV2感染、流感病毒感染、呼吸道病毒感染。这项在孟加拉国学校开展的整群随机对照试验将检验低成本空气过滤和/或对人体安全的紫外线杀菌灯干预措施能否降低学龄儿童呼吸道病毒感染的发生率。主要研究目标为:1. 试点并优化一项过滤教室空气的干预措施。2. 试点并优化一项用紫外线处理教室空气的干预措施。3. 评估空气过滤和紫外线对经聚合酶链反应(PCR)确诊的呼吸道病毒性疾病发病率的单独效应和联合效应。方法:该研究将在孟加拉国达卡的60所公立小学进行。在每所入组学校内,3、4、5年级学生的5间教室将被随机分配接受:1. 带过滤附件的箱式风扇。2. 220纳米(nm)波长紫外线空气净化灯。3. 带过滤器的箱式风扇和220纳米紫外线灯两者。4. 无设备:不接受额外设备的对照组(“标准护理”)。
每所学校内的两个教室将被指定为对照组。这为什么重要?:阐明低成本实用解决方案的影响,可以支持采用这些策略,从而减少流感及严重急性呼吸综合征冠状病毒2型(SARS-CoV-2)在学校中的传播,以减轻这些社区呼吸道疾病的负担。
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。




