数据：职业性接触性皮炎——北美接触性皮炎组2001至2016年数据回顾性分析
该数据集来自 Mendeley Data，对应一项关于职业性接触性皮炎的研究，基于北美接触性皮炎组 2001 至 2016 年接受斑贴试验的患者数据
基本信息
资源简介
数据：职业性接触性皮炎——北美接触性皮炎组2001至2016年数据回顾性分析
Occupational Contact Dermatitis: Retrospective Analysis of North American Contact Dermatitis Group Data, 2001 to 2016
该数据集来自 Mendeley Data，对应一项关于职业性接触性皮炎的研究，基于北美接触性皮炎组 2001 至 2016 年接受斑贴试验的患者数据。研究分析了职业性皮肤病及职业性变应性接触性皮炎的发生频率、职业相关性、皮损部位与暴露来源，并记录人口学及职业/行业信息。共评估 38614 名患者，其中 4471 人（11.6%）患有职业性皮肤病，3150 人（70.5%）为变应性接触性皮炎。常见过敏原包括橡胶促进剂、防腐剂和双酚 A 环氧树脂，手部、手臂和面部为常见受累部位。该数据可用于职业性皮炎过敏原分布与职业风险相关研究（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2021-03-16。
【数据内容】
源站描述（机器翻译，仅供参考）：提供职业性皮肤病（OSD）的概述，以及对2001-2016年接受斑贴试验的北美患者中职业性ACD的分析。方法：对OSD患者进行分析，内容包括对一组筛查过敏原的过敏反应频率、职业相关性、皮肤疾病部位和暴露来源。记录人口学及职业/行业信息。结果：在评估的38,614名患者中，4471人（11.6%）患有OSD，其中3150人（70.5%）患有ACD。最常见的职业相关过敏原包括橡胶促进剂、防腐剂和双酚A环氧树脂。手部（75.8%）、手臂（30.0%）和面部（15.9%）是常见的皮炎部位。受影响最多的职业是服务人员和机器操作员。局限性：我们的队列可能无法反映一般劳动人口。结论：本研究识别了常见的职业性过敏原，
【数据结构与技术规格】
文件数 1 个，合计 31.97 KB。数据集 DOI：10.17632/yvgg24th6g.1。
【主题与分类】
主题标签：职业性皮肤病、接触性皮炎、斑贴试验、过敏原筛查、皮肤疾病、回顾性分析。本站分类：皮肤疾病。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/yvgg24th6g
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://data.mendeley.com/datasets/yvgg24th6g/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 32.0 KB。
数据说明
(2021). Occupational Contact Dermatitis: Retrospective Analysis of North American Contact Dermatitis Group Data, 2001 to 2016 [Dataset]. http://doi.org/10.17632/yvgg24th6g.1
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。
