斯威士兰初级护理中护士主导的HIV暴露前预防提供的人力资源需求和成本及任务共享机会
斯威士兰初级护理中护士主导的HIV暴露前预防（PrEP）的人力资源需求和成本数据，包含时间-动作研究和任务共享情景分析。
![Human resource needs and costs for nurse-led HIV pre-exposure prophylaxis provision in primary care in Eswatini and opportunities for task sharing [Research Data]](/medical-api/medicalDataset/datasetCover/42683.jpg)
基本信息
资源简介
斯威士兰初级护理中护士主导的HIV暴露前预防提供的人力资源需求和成本及任务共享机会
【一句话概览】
本数据集是 Dataverse 公开的结构化表格数据集，收录 13 个文件、合计 125.03 KB，主题涵盖 Medicine, Health and Life Sciences，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《Human resource needs and costs for nurse-led HIV pre-exposure prophylaxis provision in primary care in Eswatini and opportunities for task sharing [Research Data]》。
【数据内容】
源站原始描述：Background: The global expansion of HIV pre-exposure prophylaxis (PrEP) includes health systems that face a shortage of skilled health care workers (HCWs). We estimated the human resource needs and costs for providing PrEP in nurse-led primary care clinics in Eswatini. Furthermore, we assessed potential cost savings from task sharing between nurses and other HCW cadres. Methods: We conducted a time-and-motion and costing study in a PrEP demonstration project between August 2017 and January 2019.…
【数据结构与技术规格】
文件数 13 个，合计 125.03 KB。数据集 DOI：doi:10.11588/data/JABBCS。
【主题与分类】
主题标签：Medicine, Health and Life Sciences。
【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://heidata.uni-heidelberg.de/dataset.xhtml?persistentId=doi:10.11588/data/JABBCS
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：https://heidata.uni-heidelberg.de/citation?persistentId=doi:10.11588/data/JABBCS
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。
