美国癌症医生COVID-19担忧调查
美国治疗癌症的医生对COVID-19担忧的横截面在线调查数据，2020年3-4月收集。
基本信息
资源简介
美国癌症医生COVID-19担忧调查
【一句话概览】
本数据集是 hdl.handle.net 公开的结构化表格数据集，主题涵盖 COVID-19、oncology、oncologists、treatment decisions、emotional health，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《COVID-19 Concerns among Physicians who treat cancer survey in the United States, Cross-sectional study March/April 2020》。源站首次发布：2020-09-24。
【数据内容】
源站原始描述：Cross-sectional anonymous online survey among physicians treating individuals with cancer in the United States during the initial phase of the COVID-19 pandemic (March 27, 2020 – April 10, 2020). Recruitment: Snowball convenience sampling through social media (Twitter, Facebook, LinkedIn). Eligibility criteria: ≥18 years, able to read/write in English, and being a physician (MD or DO) currently residing and providing cancer treatment in the United States. Data collected and stored in REDCap
中文译文（机器翻译，仅供快速理解，请以原文为准）：在COVID-19大流行初期（2020年3月27日至2020年4月10日），对美国治疗癌症患者的医生开展了一项横断面匿名在线调查。招募：通过社交媒体（Twitter、Facebook、LinkedIn）进行滚雪球便利抽样。纳入标准：年龄≥18岁；能够用英语读写；为目前居住在美国并在美国提供癌症治疗的医生（MD或DO）。数据收集并存储于REDCap中。
【数据结构与技术规格】
数据集 DOI：https://doi.org/10.13020/bmsy-hb61。
【主题与分类】
主题标签：COVID-19、oncology、oncologists、treatment decisions、emotional health。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://conservancy.umn.edu/handle/11299/216451
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。
暂未开放有偿下载
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：http://hdl.handle.net/11299/216451
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:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
