也门儿童特应性皮炎婴儿期与儿童期表型的临床、人口学与营养相关因素:横断面研究
该数据集来自也门的一项横断面研究,纳入152名经医生确诊的特应性皮炎患儿,就诊于萨那Al-Sabeen医院儿科皮肤科门诊,时间范围为2023年3月21日至2024年12月12日

基本信息
资源简介
也门儿童特应性皮炎婴儿期与儿童期表型的临床、人口学与营养相关因素:横断面研究
Clinical, Demographic, and Nutritional Factors Associated with Infantile and Childhood Phenotypes of Atopic Dermatitis in Yemeni Children: A Cross-Sectional Study
该数据集来自也门的一项横断面研究,纳入152名经医生确诊的特应性皮炎患儿,就诊于萨那Al-Sabeen医院儿科皮肤科门诊,时间范围为2023年3月21日至2024年12月12日。数据按发病年龄分为婴儿期AD(2岁内发病)与儿童期AD(2岁后发病),涵盖人口学特征(性别、居住地)、临床特征(疾病表现与特应性共病)、特应性家族史、家庭吸烟暴露、出生后前6个月婴儿喂养方式等变量,可用于分析也门儿童特应性皮炎表型的相关因素(来源 DOI 解析)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含一项横断面研究的匿名临床、人口学、家族史和营养数据,该研究评估了也门儿童特应性皮炎(AD)婴儿期和儿童期表型的相关因素。研究纳入152名经医生确诊的特应性皮炎儿科患者,他们在2023年3月21日至2024年12月12日期间就诊于也门萨那Al-Sabeen医院的儿科皮肤科门诊。患者根据发病年龄分为婴儿期AD(生命最初2年内发病)和儿童期AD(2岁后发病)。数据集包含以下相关变量:人口学特征(性别和居住地);临床特征(疾病表现和特应性共病);特应性家族史;家庭吸烟暴露;生命最初6个月内的婴儿喂养方式;补充
【主题与分类】
主题标签:Dermatology、Pediatrics、Allergy。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/232cp9r9gp/1
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/10.17632/232cp9r9gp.1
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 167.2 KB。
数据说明
本数据集包含一项横断面研究的匿名临床、人口学、家族史和营养数据,该研究评估了也门儿童中与婴儿期和儿童期特应性皮炎(AD)表型相关的因素。研究纳入了2023年3月21日至2024年12月12日期间在也门萨那Al-Sabeen医院儿科皮肤科门诊就诊的152名经医生确诊的特应性皮炎儿科患者。根据发病年龄将患者分为婴儿期AD(2岁以内发病)和儿童期AD(2岁以后发病)。数据集包含以下相关变量:人口学特征(性别和居住地);临床特征(疾病表现和特应性共病);特应性家族史;家庭吸烟暴露;生命最初6个月的婴儿喂养方式;辅食添加史;母亲教育水平。
该数据集支持相关手稿中报告的分析,包括婴儿期与儿童期AD组之间的描述性比较,以及识别与儿童期AD表型相关因素的多变量逻辑回归分析。
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。




