索马里Bosaso孕妇铁叶酸补充依从性及决定因素:基于医疗机构的横断面研究-78959
该数据集包含从索马里Puntland州Bosaso地区选定医院及妇幼保健中心接受产前保健(ANC)服务的400名孕妇中收集的匿名数据

基本信息
资源简介
索马里Bosaso孕妇铁叶酸补充依从性及决定因素:基于医疗机构的横断面研究
该数据集包含从索马里Puntland州Bosaso地区选定医院及妇幼保健中心接受产前保健(ANC)服务的400名孕妇中收集的匿名数据
Magnitude and Determinants of Adherence to Iron–Folic Acid Supplementation among Pregnant Women in Bosaso, Somalia: A Facility-Based Cross-Sectional Study
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含从索马里Puntland州Bosaso地区选定医院及妇幼保健中心接受产前保健(ANC)服务的400名孕妇中收集的匿名数据。该数据集是题为“Magnitude and Determinants of Adherence to Iron–Folic Acid Supplementation among Pregnant Women in Bosaso, Somalia: A Facility-Based Cross-Sectional Study”的研究的一部分。该研究旨在评估接受ANC服务的孕妇对铁叶酸补充(IFAS)的依从性流行率,并识别与依从性相关的因素。数据通过结构化访谈问卷收集,涵盖社会人口学特征、产科与生育史、产前保健利用情况、孕产妇对贫血的认知以及铁叶酸补充实践。该数据集包括
【主题与分类】
主题标签:铁叶酸补充、依从性、孕妇贫血、产前保健、孕妇、孕产妇知识、Somalia、Bosaso。本站分类:血液及造血器官疾病。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.21107307
使用许可:Creative Commons Attribution 4.0 International。
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.21107307
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 15.1 MB。
数据说明
本数据集包含从索马里邦特兰州博萨索市选定医院及妇幼保健中心接受产前保健(ANC)服务的400名孕妇中收集的匿名数据。该数据集是题为“索马里博萨索孕妇铁-叶酸补充剂依从性的程度及决定因素:基于机构的横断面研究”的研究成果。该研究旨在评估孕妇接受ANC服务时对铁-叶酸补充剂(IFAS)的依从率,并识别与依从性相关的因素。数据通过结构化访谈员管理问卷收集,涵盖社会人口学特征、产科与生育史、产前保健利用情况、孕产妇对贫血的认知以及铁-叶酸补充实践。数据集包含400个观测值及与孕产妇年龄、教育程度、职业、家庭收入、丈夫教育程度、孕次、孕龄、ANC就诊情况、ANC启动时间、贫血知识及铁-叶酸补充剂依从性相关的变量。
数据已进行匿名化处理以保护参与者隐私,并供研究、教育和政策用途使用。相关发表文献:Magnitude and Determinants of Adherence to Iron–Folic Acid Supplementation among Pregnant Women in Bosaso, Somalia: A Facility-Based Cross-Sectional Study。
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。




