加拿大吸烟调查,1994

该数据集来自 Statistics Canada 的 1994 年加拿大吸烟调查,覆盖为期 12 个月的吸烟行为监测,旨在衡量吸烟流行率与吸烟量、税收下降带来的变化、价格对吸烟行为的影响,并保持与既往及未来调查的可比性

BorealisBorealis
dataverse
浏览 15
表格分类Social SciencesAddictionAgeAsthmaCancerCigarettesCostDiseasesEducational attainmentEmphysemaFiltersHabit
Survey on Smoking in Canada, 1994

基本信息

模态
表格
任务类型
分类
创建/更新时间
2026-10-08

资源简介

加拿大吸烟调查,1994

Survey on Smoking in Canada, 1994

该数据集来自 Statistics Canada 的 1994 年加拿大吸烟调查,覆盖为期 12 个月的吸烟行为监测,旨在衡量吸烟流行率与吸烟量、税收下降带来的变化、价格对吸烟行为的影响,并保持与既往及未来调查的可比性。数据涉及年龄、教育程度、家庭收入、哮喘、癌症、肺气肿、妊娠等健康与人口学变量,可用于分析吸烟模式、成瘾相关因素及公共卫生政策效果(来源 DOI 解析)。

【数据集背景】

源站首次发布:2023。

【数据内容】

源站描述(机器翻译,仅供参考):该调查始于1994年2月,在12个月期间监测加拿大人的吸烟模式,并衡量1994年2月某些省份降低香烟税后吸烟行为发生的任何变化。调查的主要目标是:(1) 衡量吸烟流行率和吸烟量,(2) 衡量流行率的变化和吸烟量的变化,(3) 衡量价格对流行率和吸烟量的影响,(4) 以与既往调查和计划中的未来调查一致的方式衡量这些项目。次要目标是了解对吸烟的态度以及与吸烟相关的行为。

【主题与分类】

主题标签:Social Sciences、Addiction、Age、Asthma、Cancer、Cigarettes、Cost、Diseases、Educational attainment、Emphysema。本站分类:化学诱发性障碍/其他。

【获取与许可】

源站页面:https://borealisdata.ca/citation?persistentId=doi:10.5683/SP3/LCJWFL

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/10.5683/SP3/LCJWFL

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

这项调查始于1994年2月,旨在监测加拿大人在12个月内的吸烟模式,并衡量因1994年2月部分省份降低香烟税而导致的吸烟行为变化。调查的主要目标包括:(1) 测定吸烟普及率及吸烟量,(2) 评估普及率和吸烟量的变化,(3) 衡量价格对普及率和吸烟量的影响,以及(4) 以与过往调查及未来计划调查相一致的方式测量这些项目。次要目标则是深入了解人们对吸烟的态度及与吸烟相关的行为。

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。

获取专属数据定制方案