肯尼亚农村非传染性疾病护理：慢性病污名、卫生系统怀疑与社会经济脆弱性定性评估数据
源站描述显示其属于 BIGPIC 研究，该研究采用跨学科实施研究路径，旨在降低低资源环境中的心血管疾病风险，核心假设是将 group medical visits 整合进 microfina
基本信息
资源简介
肯尼亚农村非传染性疾病护理：慢性病污名、卫生系统怀疑与社会经济脆弱性定性评估数据
Data for: 'Chronic Disease Stigma, Skepticism of the Health System, and Socio-economic Fragility: Qualitative Assessment of Factors Impacting Receptiveness to Group Medical Visits and Microfinance for Non-communicable Disease Care in Rural Kenya'
该数据集来自 doi.org，由 Vedanthan, Rajesh 于 2021 年发布，机构为 Qualitative Data Repository，主题标签涵盖 group medical practice、microfinance、diabetes、health、African studies、social networks、medical care、qualitative inquiry 和 group medical visits。源站描述显示其属于 BIGPIC 研究，该研究采用跨学科实施研究路径，旨在降低低资源环境中的心血管疾病风险，核心假设是将 group medical visits 整合进 microfina。
【数据集背景】
源站首次发布：2021。
【数据内容】
源站描述（机器翻译，仅供参考）：项目摘要 BIGPIC 研究的总体目标是采用跨学科实施研究路径，应对在低资源环境中降低心血管疾病（CVD）风险的挑战。核心假设是：将 group medical visits 整合进 microfinance groups 将有效且具成本效益地降低肯尼亚西部糖尿病患者及糖尿病风险增加个体的 CVD 风险，且需要解决的关键可改变 CVD 风险因素是血压（BP）。我们假设 group medical visits 和 microfinance 可能各自降低 CVD 风险，但 group medical visits 与 microfinance 的整合将产生最大收益。我们进一步假设社会网络特征的变化可能中介干预对主要结局的影响，且基线社会网络特征可能调节干预的影响。
【主题与分类】
主题标签：Medicine, Health and Life Sciences、group medical practice、microfinance、diabetes、health、African studies、social networks、medical care、qualitative inquiry、group medical visits。本站分类：内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面：https://data.qdr.syr.edu/citation?persistentId=doi:10.5064/F6D0YBEA
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/10.5064/F6D0YBEA
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
项目摘要 BIGPIC研究的总体目标是采用跨学科实施研究方法，应对在资源匮乏环境中降低心血管疾病（CVD）风险这一挑战。核心假设是：将群体医疗访视融入小额信贷小组，对于肯尼亚西部糖尿病患者及糖尿病高风险人群而言，在降低CVD风险方面将是有效且具有成本效益的，并且需要解决的关键可改变CVD风险因素是血压（BP）。我们假设群体医疗访视和小额信贷各自都可能降低CVD风险，但将群体医疗访视与小额信贷相结合将带来最大收益。我们进一步假设社会网络特征的变化可能中介干预措施对主要结局的影响，且基线社会网络特征可能调节干预措施的影响。本定性数据收集项目的目标是识别可能影响将群体医疗访视与小额信贷相结合以降低CVD风险的背景因素、促进因素和障碍。
方法：采用定性研究方法相结合的方式：1）baraza（传统社区集会）形式的询问；2）在糖尿病患者或糖尿病风险较高者、小额信贷小组成员和农村卫生工作者中开展焦点小组讨论。经过培训的研究人员使用结构化问题指南主持讨论。使用Nvivo进行内容分析，采用演绎和归纳编码，然后将编码归入主题。结果：参与者表示有兴趣参与小额信贷和团体医疗就诊，但指出了若干关键挑战：1）慢性病的污名化，2）对卫生系统的习得性怀疑，3）社会经济脆弱性。数据收集概述我们开展了5次mabaraza和16次焦点小组讨论。共有205人（113名男性和92名女性）参加了mabaraza，而162人（57名女
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。
