SOS-ALL：南非amaXhosa儿童特应性皮炎儿科临床数据集
摘要 背景 特应性皮炎（AD）是一种慢性皮肤病，通常发生在儿童早期，并在全球范围内发生；然而，大多数机制研究是在白种人群体中进行的，这凸显了对来自不同种族和地理背景数据的需求
基本信息
资源简介
SOS-ALL：南非amaXhosa儿童特应性皮炎儿科临床数据集
SOS-ALL 是一个聚焦南非 amaXhosa 儿童特应性皮炎的儿科临床数据集，全称为 A Pediatric Clinical Dataset of South African amaXhosa Children with Atopic Dermatitis。该数据集整合了环境、细胞因子、抗体和基因表达等多层次数据，覆盖居住在南非农村或城市地区、年龄为 12 至 36 个月的健康儿童与特应性皮炎患儿。特应性皮炎是一种通常在儿童早期发病的慢性皮肤病，全球范围内均有发生，但既往多数机制研究以白种人群体为对象，因此来自不同种族和地理背景的数据具有重要补充价值。该数据集采用横断面病例对照研究设计，并运用机器学习方法，旨在识别与 amaXhosa 儿童特应性皮炎相关的保护性或易感性特征新聚类。数据集由 Zhakparov, Damir、Baerenfaller, Katja、O'Mahony, Liam 和 Lunjani, Nonhlanhla 共同完成，存放于 Zenodo，发布于 2026 年，采用 Creative Commons Attribution 4.0 International 许可。
【数据集背景】
特应性皮炎是一种慢性皮肤疾病，通常发生于儿童早期，并在世界范围内流行。然而，大多数机制研究是在白种人群体中进行的，这凸显了对来自不同种族和地理背景数据的需求。该数据集正是为回应这一需求而建立，聚焦南非 amaXhosa 儿童这一特定人群。研究采用横断面病例对照设计，目标是通过机器学习方法，识别与特应性皮炎相关的保护性或易感性特征的新聚类。研究对象包括健康儿童和特应性皮炎患儿，均来自南非农村或城市地区，年龄在 12 至 36 个月之间。这一背景设定使数据集能够同时反映疾病状态、生活环境与族群背景的交叉特征。
【数据内容】
该数据集是一个整合性数据集，包含此前已建立的环境数据、细胞因子数据、抗体数据和基因表达数据。数据覆盖健康儿童与特应性皮炎患儿，并区分农村与城市居住环境。所应用的机器学习方法包括 GeneSelectR 工作流，用于识别相关基因的子集。源站描述在此处中断，未提供关于具体变量、样本量、基因数量、细胞因子种类、抗体类型或环境暴露指标的进一步细节。因此，除上述已列出的数据类别和机器学习方法外，数据内容的具体字段和规模在源站未提供。
【采集与来源】
数据集来源于 doi.org，存放机构为 Zenodo。研究对象为居住在南非农村或城市地区的 amaXhosa 儿童，年龄范围为 12 至 36 个月，包括健康儿童和特应性皮炎患儿。研究设计为横断面病例对照研究。数据整合了此前已建立的环境、细胞因子、抗体和基因表达数据。关于样本采集的具体时间、地点、招募方式、伦理审批信息以及样本处理流程，源站未提供。
【适用场景】
该数据集适用于研究南非 amaXhosa 儿童特应性皮炎相关特征，尤其是利用机器学习方法探索保护性或易感性特征聚类。由于整合了环境、细胞因子、抗体和基因表达等多层次数据，该数据集可用于跨组学分析，比较健康儿童与特应性皮炎患儿之间的差异，并考察农村与城市居住环境的影响。此外，该数据集可用于方法学验证，例如应用 GeneSelectR 工作流进行基因选择。其族群和地理背景的特殊性，使其适合用于补充以白种人群体为主的既往研究，促进对特应性皮炎在不同种族和地理背景下的机制理解。关于具体分析工具、统计模型或验证框架的适用性，源站未提供更多信息。
【使用方法】
该数据集存放于 Zenodo，采用 Creative Commons Attribution 4.0 International 许可，允许在署名条件下使用、共享和改编。使用者可通过 doi.org 获取数据集。源站描述提到应用了 GeneSelectR 工作流来识别相关基因子集，但未提供关于数据预处理、质量控制、分析流程或代码的详细说明。因此，关于如何具体加载、处理和分析该数据集的操作步骤，源站未提供。使用者应依据自身研究目的，结合已发布的数据类别和机器学习方法进行合理使用，并遵守许可条款进行署名。
【质量与限制】
该数据集为横断面病例对照研究，覆盖 12 至 36 个月的 amaXhosa 儿童，样本来自南非农村和城市地区，包含健康与特应性皮炎两组。其优势在于整合了环境、细胞因子、抗体和基因表达等多层次数据，并聚焦于既往研究较少的族群和地理背景。然而，源站未提供样本量、缺失数据情况、测量误差、批次效应、混杂因素控制或统计功效等信息。此外，源站描述在 GeneSelectR 工作流部分中断，未说明基因选择的具体结果或验证方式。因此，关于数据质量的详细评估指标和研究的局限性，源站未提供。
【引用与许可】
该数据集的作者为 Zhakparov, Damir、Baerenfaller, Katja、O'Mahony, Liam 和 Lunjani, Nonhlanhla。存放机构为 Zenodo，发布时间为 2026 年。许可为 Creative Commons Attribution 4.0 International，要求使用者在分享和改编时进行适当署名。引用时应遵循该许可条款，并依据源站提供的引用信息进行标注。关于具体的引用格式、DOI 编号或版本信息，源站未提供。
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/10.5281/zenodo.21064520
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 123.4 KB。
数据说明
摘要
背景 特应性皮炎（AD）是一种慢性皮肤疾病，通常发生于儿童早期，并在全球范围内发生；然而，大多数机制研究是在白种人群中进行的，这凸显了来自不同种族和地理背景数据的必要性。在这项横断面病例对照研究中，我们的目标是采用机器学习方法，识别南非阿马科萨（AmaXhosa）儿童中与AD相关的保护性或易感性特征的新聚类。
方法与发现 我们利用了一个整合数据集，该数据集包含先前建立的来自南非农村或城市环境中12-36个月龄的健康和患有AD的阿马科萨儿童的环境、细胞因子、抗体和基因表达数据。所应用的机器学习方法包括：使用GeneSelectR工作流程识别相关基因的子集，计算SHAP值以解释机器学习输出，以及使用DIABLO整合数据集以进行综合分析。
关键发现包括识别出一个主要存在于农村环境中的保护性环境特征簇，该特征簇与血浆细胞因子水平及自噬相关基因的表达相关。此外，我们识别出AD易感簇，其中过敏原特异性抗体和总IgE抗体水平与细胞因子MCP-4和TARC相关。最后，我们识别出一个特定于该疾病内型的RNA-Seq特征标签。结论 应用多种机器学习方法能够在复杂的多模块数据集中识别出与AD相关的重要因子，使输出结果具有可解释性，并可能为靶向干预和改善诊断标准提供信息。数据集描述 该数据集包含216名参与者的临床、环境和细胞因子测量数据。数据已经过预处理，后续进一步处理的步骤描述如下
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。
