区域结核病诊断与耐药数据（2024年7–9月）
该数据集呈现2024年7–9月区域结核分枝杆菌（MTB）诊断与耐药数据，涵盖：利福平单耐药病例（N = 14）：按性别和治疗（Rx）史分层；GeneXpert检测（N = 7,241）：2024年各月检测量；MTB阳性率（N = 560）：按年龄类别、HIV状态、性别、Rx史和感染部位分层
基本信息
资源简介
区域结核病诊断与耐药数据（2024年7–9月）
该数据集为2024年7月至9月区域结核分枝杆菌（MTB）诊断与耐药数据，聚焦利福平单耐药病例、GeneXpert检测量及MTB阳性率三类内容。其中利福平单耐药病例共14例，按性别与治疗（Rx）史进行分层；GeneXpert检测记录共7,241次，反映2024年各月的检测量变化；MTB阳性率数据共560条，按年龄类别、HIV状态、性别、Rx史和感染部位分层。整体上，该数据集可用于观察区域MTB的检出趋势、耐药模式，以及阳性率与人口学、临床因素之间的关联，属于呼吸系统疾病中肺结核方向的数据资源，来源于rdmcrepo.thri.gov.et。
【数据集背景】
该数据集围绕区域结核分枝杆菌诊断与耐药监测展开，时间范围为2024年7月至9月。其内容设计指向三个相互关联的观察维度：利福平单耐药病例的分布、GeneXpert检测在2024年各月的开展量，以及MTB阳性率在不同人群与临床特征上的分层表现。这些内容共同服务于对区域MTB趋势、治疗耐药模式以及影响阳性率的人口学与临床因素的分析。
【数据内容】
数据内容由三部分组成。第一，利福平单耐药病例共14例，按性别和治疗（Rx）史进行分层，用于呈现该类耐药病例在性别与既往治疗经历上的分布。第二，GeneXpert检测数据共7,241次，覆盖2024年各月的检测量，可用于观察检测活动的月度变化。第三，MTB阳性率数据共560条，按年龄类别、HIV状态、性别、Rx史和感染部位分层，便于从多个人口学与临床维度考察阳性率的差异。
【采集与来源】
该数据集来源于rdmcrepo.thri.gov.et。源站描述说明其呈现的是2024年7月至9月区域MTB诊断与耐药数据。除来源站及上述时间范围与内容说明外，源站未提供更详细的采集流程、机构分工或数据提取方式。
【适用场景】
该数据集适用于区域MTB趋势分析、治疗耐药模式观察，以及阳性率与人口学或临床因素关联性的分析。具体可用于考察利福平单耐药病例在性别与Rx史上的分布、GeneXpert检测量的月度变化，以及按年龄类别、HIV状态、性别、Rx史和感染部位分层的MTB阳性率比较。
【使用方法】
源站未提供具体的使用方法说明。使用者可依据数据内容中的三类分层维度开展相应分析，但涉及具体统计方法、变量编码或分析步骤时，源站未提供。
【质量与限制】
源站未提供关于数据质量、完整性、准确性或覆盖范围的专门说明。已知限制包括时间范围仅限于2024年7月至9月，且各项内容的样本量分别为14例、7,241次和560条。除此之外，源站未提供其他质量与限制信息。
【引用与许可】
源站未提供引用格式与许可条款信息。
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。
需登录公开下载
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。
暂未开放有偿下载
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://rdmcrepo.thri.gov.et/handle/123456789/279
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
该数据集呈现了2024年7月至9月区域结核分枝杆菌（MTB）诊断与耐药数据，涵盖：利福平单耐药病例（N = 14）：按性别和治疗（Rx）史分类；GeneXpert检测（N = 7,241）：2024年各月检测量；MTB阳性率（N = 560）：按年龄组、HIV状态、性别、Rx史和感染部位分层。这些数据可用于分析区域MTB趋势、耐药模式以及与阳性率相关的人口学或临床因素。
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。
