COVID-19 NHS快速组建团队前线工作人员影响研究
包含NHS COVID-19前线工作人员的访谈数据，用于研究领导力、团队合作、职业意向和个人心理健康的影响。
基本信息
资源简介
COVID-19 NHS快速组建团队前线工作人员影响研究
【一句话概览】
本数据集是 LSHTM Data Compass 公开的文本数据集，收录 2 个文件、合计 3.55 MB，主题涵盖 INTENSIVE CARE SERVICES、COVID-19、HEALTH PROFESSIONALS、STATE HEALTH SERVICES、HEALTH SERVICES，可用于医学自然语言处理（实体识别、信息抽取等），CC BY-SA 许可开放获取。
【数据集背景】
本数据集源站标题为《COVID-19 Frontline Staff in Rapidly Formed COVID-19 Teams in the NHS: Implications for Leadership, Team-working, Career Intentions and Individual Mental Health, 2020-2022》。
【数据内容】
源站原始描述：A set of interviews with NHS COVID-19 frontline staff to investigate the influence of COVID deployment on non-technical factors for healthcare delivery (leadership, social support & cohesion, communication, shared mental models, co-ordination) and expected moderating factors (occupational background, preparedness, work-life balance and home situation, proximity, workforce allocation models) and the impact on perceived teamwork, performance, individual team member well-being, resilience and team…
【数据结构与技术规格】
文件数 2 个，合计 3.55 MB。856323_documentation.zip：application/zip，585.58 KB。
【主题与分类】
主题标签：INTENSIVE CARE SERVICES、COVID-19、HEALTH PROFESSIONALS、STATE HEALTH SERVICES、HEALTH SERVICES、WORKPLACE、WORK-LIFE BALANCE。
【适用方向】
文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。
【获取与许可】
源站页面：https://reshare.ukdataservice.ac.uk/id/eprint/856323/
使用许可：CC BY-SA。
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://reshare.ukdataservice.ac.uk/id/eprint/856323
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。
