家庭内耐多药与药物敏感结核传播:前瞻性队列研究
该数据集来自 search.dataone.org,属于呼吸系统疾病中的肺结核主题,对应一项在秘鲁南利马和卡亚俄开展的前瞻性家庭队列研究

基本信息
资源简介
家庭内耐多药与药物敏感结核传播:前瞻性队列研究
Transmission of multidrug-resistant and drug-susceptible tuberculosis within households: a prospective cohort study
该数据集来自 search.dataone.org,属于呼吸系统疾病中的肺结核主题,对应一项在秘鲁南利马和卡亚俄开展的前瞻性家庭队列研究。数据覆盖 2010 至 2013 年,追踪耐多药结核指示病例的家庭接触者与药物敏感结核指示病例的家庭接触者,比较两组接触者中结核病的发病情况,用于估计耐药结核的相对适应度。数据可用于研究家庭内结核传播风险、耐药结核的传播能力及流行病学建模(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):背景:传染性病原体的“适应度”被定义为该病原体存活、繁殖、传播和致病的能力。耐多药结核(MDRTB)相对于药物敏感结核的适应度被认为是MDRTB传播和流行规模最重要的决定因素之一。为了估计耐药结核病例的相对适应度,我们比较了MDRTB指示病例的家庭接触者与药物敏感指示病例的接触者中结核病的发病率。方法与发现:这项为期3年(2010–2013)的前瞻性队列家庭随访研究在秘鲁南利马和卡亚俄开展,测量了213例MDRTB指示病例的1,055名家庭接触者和487例药物敏感指示病例的2,362名家庭接触者中结核病的发病率。共有35/1,055(3.3%)的家庭
【主题与分类】
主题标签:2010-2013、disease、household、transmission、MDRTB、Tuberculosis、Drug-resistance。本站分类:呼吸系统疾病/肺结核。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A93a8a4f49b02f5f20728470ac95fc3c0643abf72163c3f455d7835e46a462318
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
背景:“适应性”是指病原体生存、繁殖、传播和致病的能力。耐多药结核病(MDRTB)相对于药物敏感结核病的适应性被认为是MDRTB传播和流行规模最重要的决定因素之一。为估计耐药结核病病例的相对适应性,我们比较了MDRTB指示病例的家庭接触者与药物敏感指示病例接触者中结核病的发病率。方法与发现:这项为期3年(2010-2013年)的前瞻性队列家庭随访研究在秘鲁南利马和卡亚俄开展,测量了213例MDRTB指示病例的1,055名家庭接触者和487例药物敏感指示病例的2,362名家庭接触者中结核病的发病率。213例MDRTB指示病例的1,055名家庭接触者中,共有35/1,055(3.3%)发展为结核病,而2,362名家庭接触者中有114/2,362(4.8%)……
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。




