COVID-19对医护人员职业性皮肤过敏门诊的影响
该数据集源自clinicaltrials.gov,关注COVID-19疫情对医护人员职业性皮肤病与过敏门诊的影响。源站描述指出,职业性皮肤病在欧洲是第二常见的职业病,医护人员中约20%受累,但漏报可能导致数据被低估,且缺乏近期欧洲真实数据

基本信息
资源简介
COVID-19对医护人员职业性皮肤过敏门诊的影响
该数据集源自clinicaltrials.gov,关注COVID-19疫情对医护人员职业性皮肤病与过敏门诊的影响。源站描述指出,职业性皮肤病在欧洲是第二常见的职业病,医护人员中约20%受累,但漏报可能导致数据被低估,且缺乏近期欧洲真实数据。EPIDERMAPS为回顾性队列研究,分析巴黎两家职业皮肤病与过敏专科中心的数据,以填补疫情对医护人员职业性皮炎影响的知识空白。数据可用于分析疫情前后就诊变化、疾病谱及职业暴露风险(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:皮肤病,医护人员。职业性皮肤病包括多种皮肤状况,最常见的是过敏性接触性皮炎、刺激性接触性皮炎、接触性荨麻疹、痤疮和酒渣鼻。职业性皮炎是欧洲第二常见的职业病,在医护人员中患病率显著——约20%的医护人员受到影响。然而,由于漏报,这些数字可能被低估。尽管问题规模据推测如此,但没有提供真实数字的近期欧洲数据。本研究旨在填补关于COVID-19大流行对医护人员群体中职业性皮炎影响的知识空白。EPIDERMAPS是一项回顾性队列研究,分析来自两个巴黎职业皮肤病学和过敏学专业中心的数据——Centre Hospitalier Intercommu
【主题与分类】
主题标签:Dermatoses、Health Workers。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06237010
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/NCT06237010
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
条件:皮肤病、医护人员。职业性皮肤病包括多种皮肤科疾病,最常见的是过敏性接触性皮炎、刺激性接触性皮炎、接触性荨麻疹、痤疮和酒渣鼻。职业性皮炎是欧洲第二常见的职业病,在医护人员中患病率显著——约20%的医护人员受到影响。然而,由于漏报,这些数字可能被低估。尽管问题规模 presumed 较大,但目前没有近期的欧洲数据提供实际数字。本研究旨在填补关于COVID-19大流行对医护人员群体中职业性皮炎影响的知识空白。EPIDERMAPS是一项回顾性队列研究,分析了巴黎两家职业皮肤病学和过敏学专科中心的数据——克雷泰伊跨市医院中心和巴黎主宫医院。这两家中心均被国家认定为职业与环境疾病咨询中心。
主要目标是分析COVID-19对这两个中心医护人员皮肤科-变态反应科就诊量占就诊总数比例的影响,比较疫情前后的情况。次要目标包括:* 分析COVID-19对医护人员中因外科口罩和手套使用增加、洗手频率增加以及含醇溶液和表面消毒剂使用增多所诱发皮肤病的发病率影响。重点关注过敏性接触性皮炎、刺激性接触性皮炎、接触性荨麻疹、痤疮和玫瑰痤疮。* 分析COVID-19对医护人员中对外科口罩、手套、肥皂、消毒清洁剂和含醇溶液成分的接触性过敏致敏的影响。* 识别新的过敏原或新的
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。




