five

Johns Hopkins COVID-19 Data Repository|COVID-19数据集|公共卫生数据集

收藏
github.com2024-10-24 收录
COVID-19
公共卫生
下载链接:
https://github.com/CSSEGISandData/COVID-19
下载链接
链接失效反馈
资源简介:
该数据集包含了全球范围内COVID-19疫情的详细数据,包括每日确诊病例、死亡病例、康复病例等。数据集还提供了按国家、地区和州级别的细分数据,以及时间序列分析。
提供机构:
github.com
AI搜集汇总
数据集介绍
main_image_url
构建方式
Johns Hopkins COVID-19 Data Repository的构建基于全球多个数据源的整合,包括世界卫生组织、各国政府和公共卫生机构发布的官方数据。数据集通过自动化脚本和人工审核相结合的方式,确保数据的准确性和实时性。每日更新的数据涵盖了病例报告、死亡人数、康复情况等多个维度,为全球疫情研究提供了坚实的基础。
特点
该数据集以其全面性和实时性著称,涵盖了全球范围内的COVID-19疫情数据,包括确诊病例、死亡病例和康复病例等关键指标。数据集的结构设计合理,便于研究人员进行多维度的分析和挖掘。此外,数据集的开放性和透明性也为其赢得了广泛的学术和政策应用。
使用方法
研究人员可以通过访问Johns Hopkins COVID-19 Data Repository的官方网站或使用其提供的API接口获取数据。数据集支持多种格式的下载,包括CSV、JSON等,便于不同研究工具的集成。使用时,建议结合数据集的元数据和更新日志,以确保分析的准确性和时效性。此外,数据集还提供了丰富的可视化工具,帮助用户直观地理解疫情趋势和模式。
背景与挑战
背景概述
在2019年末,新型冠状病毒(COVID-19)的爆发迅速成为全球关注的焦点。为了应对这一公共卫生危机,约翰斯·霍普金斯大学系统科学与工程中心(JHU CSSE)于2020年初创建了Johns Hopkins COVID-19 Data Repository。该数据集汇集了来自全球各地的COVID-19病例数据,包括确诊病例、死亡病例和康复病例,旨在为研究人员、政策制定者和公众提供实时、准确的数据支持。这一数据集的建立,不仅为全球抗击疫情提供了重要的数据基础,还推动了流行病学、公共卫生和数据科学领域的研究进展。
当前挑战
Johns Hopkins COVID-19 Data Repository在构建过程中面临了多重挑战。首先,数据来源的多样性和复杂性使得数据整合和标准化成为一个巨大的难题。其次,全球各地的报告标准和时间差异导致数据的一致性和准确性难以保证。此外,随着疫情的发展,数据的实时更新和维护也成为一个持续的挑战。最后,如何确保数据的安全性和隐私保护,尤其是在处理敏感的公共卫生信息时,也是一个不容忽视的问题。
发展历史
创建时间与更新
Johns Hopkins COVID-19 Data Repository于2020年初创建,旨在实时追踪和报告全球COVID-19疫情数据。自创建以来,该数据集持续更新,确保数据的及时性和准确性。
重要里程碑
该数据集的创建标志着全球疫情数据透明化的新时代。其首次发布的数据迅速成为全球公共卫生决策的重要参考,尤其是在疫情初期,为各国政府和研究机构提供了关键的疫情动态信息。随着时间的推移,数据集不断扩展,涵盖了更多的地理区域和详细数据指标,如病例数、死亡数和康复数等,极大地促进了全球范围内的疫情研究和防控策略的制定。
当前发展情况
当前,Johns Hopkins COVID-19 Data Repository已成为全球疫情数据分析的核心资源,不仅为学术研究提供了丰富的数据支持,还为公众和政策制定者提供了实时、透明的疫情信息。该数据集的持续更新和扩展,使其在公共卫生领域的影响力不断增强,为全球疫情的监测、预测和应对提供了坚实的基础。此外,该数据集的成功也激发了更多类似数据平台的创建,推动了全球公共卫生数据共享和协作的新趋势。
发展历程
  • Johns Hopkins COVID-19 Data Repository首次发布,旨在为全球提供实时更新的COVID-19疫情数据。
    2020年
  • 数据集迅速成为全球研究人员、政策制定者和公众获取疫情信息的主要来源之一。
    2020年
  • Johns Hopkins COVID-19 Data Repository扩展了数据范围,包括疫苗接种数据和变异株的追踪信息。
    2021年
  • 数据集持续更新,增加了对全球不同地区疫情趋势的深入分析和可视化工具。
    2022年
常用场景
经典使用场景
在公共卫生领域,Johns Hopkins COVID-19 Data Repository 数据集被广泛用于实时监测和分析全球新冠病毒的传播动态。该数据集通过整合来自多个国家和地区的官方报告,提供了每日更新的确诊病例、死亡病例和康复病例数据,为研究人员和政策制定者提供了关键的疫情信息。
衍生相关工作
基于 Johns Hopkins COVID-19 Data Repository 数据集,许多研究工作得以展开,包括但不限于疫情传播模型构建、疫苗效果评估和公共卫生政策模拟。此外,该数据集还激发了关于数据透明度和全球卫生治理的讨论,推动了相关领域的学术研究和政策创新。
数据集最近研究
最新研究方向
在公共卫生领域,Johns Hopkins COVID-19 Data Repository 数据集已成为全球疫情监测和分析的核心资源。最新研究方向聚焦于利用该数据集进行疫情趋势预测、病毒变异分析以及疫苗效果评估。通过整合全球范围内的病例数据、死亡率和康复率,研究人员能够构建更为精确的疫情模型,为政策制定者提供科学依据。此外,该数据集还被广泛应用于公共卫生策略的优化,特别是在资源分配和应急响应方面,显著提升了全球抗击疫情的能力。
相关研究论文
  • 1
    COVID-19 Data Repository by the Center for Systems Science and Engineering (CSSE) at Johns Hopkins UniversityJohns Hopkins University · 2020年
  • 2
    An interactive web-based dashboard to track COVID-19 in real timeJohns Hopkins University · 2020年
  • 3
    The effect of travel restrictions on the spread of the 2019 novel coronavirus (COVID-19) outbreakMassachusetts Institute of Technology · 2020年
  • 4
    Early Transmission Dynamics in Wuhan, China, of Novel Coronavirus-Infected PneumoniaChinese Center for Disease Control and Prevention · 2020年
  • 5
    COVID-19: A Global PerspectiveUniversity of Washington · 2020年
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

中国气象数据

本数据集包含了中国2023年1月至11月的气象数据,包括日照时间、降雨量、温度、风速等关键数据。通过这些数据,可以深入了解气象现象对不同地区的影响,并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。

github 收录

LFW

人脸数据集;LFW数据集共有13233张人脸图像,每张图像均给出对应的人名,共有5749人,且绝大部分人仅有一张图片。每张图片的尺寸为250X250,绝大部分为彩色图像,但也存在少许黑白人脸图片。 URL: http://vis-www.cs.umass.edu/lfw/index.html#download

AI_Studio 收录

中国农村教育发展报告

该数据集包含了中国农村教育发展的相关数据,涵盖了教育资源分布、教育质量、学生表现等多个方面的信息。

www.moe.gov.cn 收录

Breast Cancer Dataset

该项目专注于清理和转换一个乳腺癌数据集,该数据集最初由卢布尔雅那大学医学中心肿瘤研究所获得。目标是通过应用各种数据转换技术(如分类、编码和二值化)来创建一个可以由数据科学团队用于未来分析的精炼数据集。

github 收录

中国区域地面气象要素驱动数据集 v2.0(1951-2020)

中国区域地面气象要素驱动数据集(China Meteorological Forcing Data,以下简称 CMFD)是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素,时间分辨率为 3 小时,水平空间分辨率为 0.1°,时间长度为 70 年(1951~2020 年),覆盖了 70°E~140°E,15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据,并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品,其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展,其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本,而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集,但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外,在制作 CMFD 2.0 的过程中,研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息,显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时,CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 70 年,并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同,但其有效数据扩展到了中国之外,能够更好地支持跨境区域研究。为方便用户使用,CMFD 2.0 还在基础变量集之外提供了若干衍生变量,包括近地面相对湿度、雨雪分离降水产品等。此外,CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术,转而直接将实型数据压缩存储于 NetCDF4 格式文件中,从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7,但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变,故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致,仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新,以修正其长期趋势存在的问题。2021 年至 2024 年的 CMFD 数据正在制作中,计划于 2025 年上半年发布,从而使 CMFD 2.0 延伸至 2024 年底。

国家青藏高原科学数据中心 收录