德尔菲COVID-19症状调研数据集
数据来源：互联网公开数据
标签：COVID-19, 症状调研, Facebook, 人口健康, 疫情监测, 时间序列, 地理分布
数据概述
本数据集为美国德尔菲项目（Delphi）收集的COVID-19相关症状调研数据，主要来源于卡内基梅隆大学（CMU）通过Facebook平台开展的匿名化症状调研。数据覆盖了美国各州、县、大都市区（MSA）及卫生资源服务区域（HRR）等不同地理层面的时间序列信息。数据集包含对COVID-19类疾病（CLI，如发热、咳嗽或呼吸困难）和流感类疾病（ILI，如发热、咳嗽或喉咙痛）的估计比例，以及相应的统计指标（如标准误差和样本量）。此外，数据集还提供了经过平滑处理的估计值，以更直观地反映疾病趋势。
数据用途概述
该数据集适用于公共卫生监测、疫情趋势分析、健康政策评估以及学术研究等多个场景。具体用途包括：
- 疫情监测：通过分析数据集中CLI和ILI的比例变化，可以实时监测COVID-19及相关疾病的传播趋势，为公共卫生决策提供数据支持。
- 趋势分析：数据中的趋势分类（增加、稳定或减少）和时间序列信息，可以帮助研究人员识别疾病传播的阶段性特征，评估干预措施的效果。
- 地理分析：数据基于不同地理层面（州、县、HRR等）收集，可用于分析疾病分布的区域性差异，支持资源分配和区域防疫策略制定。
- 学术研究：研究人员可以利用该数据集探索疾病传播与人口流动、社会经济因素之间的关系，进一步理解疫情扩散的驱动机制。
- 公共健康教育：数据可用于制作可视化工具，向公众展示疫情动态，提高公众对疾病防护的意识。
此数据集的公开为公共卫生领域的研究和实践提供了宝贵的信息资源，有助于提升对COVID-19及相关疾病的认知和应对能力。
