孟买非复杂性肺结核患者求医、诊断与治疗启动的时长与延迟数据
背景:及时诊断和启动治疗对于减少结核病(TB)在孟买等地的传播链至关重要,当地近 60% 的居民居住在过度拥挤的贫民窟。本研究记录了从出现提示 TB 的症状到启动 TB 治疗的路径,并考察了孟买非复杂性肺结核患者延迟的相关因素

基本信息
资源简介
孟买非复杂性肺结核患者求医、诊断与治疗启动的时长与延迟数据
背景:及时诊断和启动治疗对于减少结核病(TB)在孟买等地的传播链至关重要,当地近 60% 的居民居住在过度拥挤的贫民窟。本研究记录了从出现提示 TB 的症状到启动 TB 治疗的路径,并考察了孟买非复杂性肺结核患者延迟的相关因素
Data from: Durations and delays in care seeking, diagnosis and treatment initiation in uncomplicated pulmonary tuberculosis patients in Mumbai, India
【数据集背景】
源站首次发布:2016。
【数据内容】
源站描述(机器翻译,仅供参考):背景:及时诊断和启动治疗对于减少结核病(TB)在孟买等地的传播链至关重要,当地近 60% 的居民居住在过度拥挤的贫民窟。本研究记录了从出现提示 TB 的症状到启动 TB 治疗的路径,并考察了孟买非复杂性肺结核患者延迟的相关因素。方法:在 15 个高 TB 负担行政区的贫民窟开展了一项基于人群的回顾性调查,以识别 153 名自报 TB 患者。随后,使用开放式访谈提纲对符合纳入标准的 76 名同意患者进行了深度访谈。计算了新患者和复治患者的平均总时长、首次求医、诊断和治疗启动时长及延迟。表现出特定延迟的患者被分
【主题与分类】
主题标签:肺结核、呼吸系统疾病、求医延迟、诊断延迟、治疗启动、Mumbai、流行病学调查。本站分类:呼吸系统疾病/肺结核。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.bt36t
使用许可:Creative Commons Zero v1.0 Universal。
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.bt36t
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:
数据集大小约 202.5 KB。
数据说明
背景:在孟买等地,及时诊断和开始治疗对于减少结核病的传播链至关重要,因为那里近60%的居民居住在过度拥挤的贫民窟中。本研究记录了从出现提示结核病的症状到开始结核病治疗的路径,并探讨了孟买无并发症肺结核患者延误的相关因素。方法:在15个结核病高负担行政区的贫民窟开展了一项基于人群的回顾性调查,以识别153名自报结核病患者。随后,使用开放式访谈提纲对76名符合纳入标准并同意参与的患者进行了深度访谈。计算了新患者和复治患者的总路径、首次就医、诊断和开始治疗的平均时长及延误情况。根据中位数将存在明确延误的患者分为离群值和非离群值,分别针对三种延误进行分析。结果:总路径的平均时长为65天,29%的患者为离群值。重要的是,新患者(24天)和复治患者(25天)的首次就医平均时长相似。
诊断时长占总路径的55%,主要见于新患者。在三个时长中,治疗启动的占比最低,复治患者的平均时长为新患者的两倍。经历诊断延迟的女性患者显著更多。观察到患者从私营部门向公共部门、从非对抗疗法向对抗疗法的大量转移,尤其是在治疗启动方面。结论:在结核病控制策略中,需要考虑实现提供者(尤其是非对抗疗法提供者)和患者的积极行为改变。需要特别关注结核病患者的咨询,以便在复发时及时寻求治疗。应优先改善脆弱地区的环境卫生,并提供p
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。




