疫苗接种非特异性效应对死亡率和发病率影响研究
该数据集来自 clinicaltrials.gov,为在 Nanoro HDSS 队列健康人群中开展的横断面研究,关注疫苗接种与发病率的关系,包括血红蛋白水平、亚临床疟疾和发育迟缓,并通过血细胞计数建立该人群参考值、估计贫血患病率及原因

基本信息
资源简介
疫苗接种非特异性效应对死亡率和发病率影响研究
该数据集来自 clinicaltrials.gov,为在 Nanoro HDSS 队列健康人群中开展的横断面研究,关注疫苗接种与发病率的关系,包括血红蛋白水平、亚临床疟疾和发育迟缓,并通过血细胞计数建立该人群参考值、估计贫血患病率及原因。数据可用于分析疫苗非特异性效应、贫血相关因素及疟疾等感染指标,支持回归建模与参考值研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:疫苗反应、贫血、Malaria,Falciparum、Salmonella Bacteraemia。一项在 Nanoro HDSS 队列健康人群中随机选取的参与者中开展的横断面研究,旨在 (a) 研究疫苗接种与发病率(包括血红蛋白水平、亚临床疟疾和发育迟缓)之间的关系 (b) 进行血细胞计数以确定该人群的参考值,并利用其他撒哈拉以南非洲国家和工业化国家的参考值估计贫血的患病率和原因。在一项针对 Nanoro HDSS 队列健康人群的横断面研究中,将进行血细胞计数以定义该人群的正常值。此外,血红蛋白水平可与缺铁、地中海贫血和疟疾的存在相关联,并针对重要的混杂因素(如家庭 i)进行校正。
【主题与分类】
主题标签:Vaccine Reaction、Anemia、Malaria,Falciparum、Salmonella Bacteraemia。本站分类:呼吸系统疾病/肺结核。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03176719
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/NCT03176719
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
研究条件:疫苗反应、贫血、疟疾、恶性疟原虫感染、沙门氏菌菌血症。在纳诺罗HDSS队列所辖人群中随机选取健康参与者开展横断面研究,目的为:(a) 研究疫苗接种与发病情况(包括血红蛋白水平、亚临床疟疾和发育迟缓)之间的关系;(b) 进行血细胞计数,以确定该人群的参考值,并利用其他撒哈拉以南非洲国家和工业化国家的参考值,估算贫血的患病率及病因。在纳诺罗HDSS队列健康人群的横断面研究中,将进行血细胞计数以确定该人群的正常值。此外,可将血红蛋白水平与缺铁、地中海贫血和疟疾的存在相关联,并针对重要混杂因素(如家庭收入、家庭构成、距医疗中心的距离和疫苗接种状态)进行校正。
本研究将能够同时评估血红蛋白值的正常范围、(不同原因所致)贫血的患病率、亚临床疟疾寄生虫血症的患病率,以及(接种时间点)疫苗接种对上述所有问题的影响。研究假设,早期接种减毒活疫苗对疟疾和其他严重传染病具有保护作用,并将带来更好的营养状况、更高的血红蛋白水平以及更高的亚临床寄生虫血症阈值。早期接种减毒活疫苗的保护作用可能源于通过表观遗传改变对免疫系统的长期调节,从而使促炎与抗炎反应之间达到恰当的平衡。这种平衡可通过用多种刺激物(包括结核分枝杆菌和大肠杆菌脂多糖)离体刺激全血,随后测定离体细胞因子产生来判定。此前在荷兰健康志愿者中进行的研究已表明,卡介苗确实能够
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。




