我们的故事，我们的生命，我们的健康：急诊科中自动识别HIV阴性与PrEP候选女性的研究
包含急诊科患者倡导者焦点小组和医生访谈的去标识化转录文本，聚焦HIV风险女性识别与PrEP候选人自动化识别。
基本信息
资源简介
我们的故事，我们的生命，我们的健康：急诊科中自动识别HIV阴性与PrEP候选女性的研究
【一句话概览】
本数据集是 Dataverse 公开的文本数据集，收录 5 个文件、合计 356.51 KB，主题涵盖 Medicine, Health and Life Sciences，可用于医学自然语言处理（实体识别、信息抽取等）。
【数据集背景】
本数据集源站标题为《Our stories, our lives, our health: Refining an automated identification of HIV-negative, PrEP-eligible women in the emergency department》。源站首次发布：2024-02-06。
【数据内容】
源站原始描述：De-identified transcripts from a focus group with patient advocates and interviews with physicians in the emergency department (ED) at the University of Chicago Medicine (UCM) to examine existing processes for identifying women are at risk for HIV and ideal candidates for pre-exposure prophylaxis (PrEP) and to explore the facilitators and barriers of implementing automated identification of PrEP candidates within the ED, with specific considerations for women
中文译文（机器翻译，仅供快速理解，请以原文为准）：去标识化转录文本，来自与患者权益倡导者的焦点小组讨论，以及与University of Chicago Medicine（UCM）急诊科（ED）医生的访谈，旨在考察现有用于识别有HIV感染风险的女性和暴露前预防（PrEP）理想候选者的流程，并探讨在ED内实施PrEP候选者自动识别的促进因素与障碍，同时特别考虑女性。
【数据结构与技术规格】
文件数 5 个，合计 356.51 KB。数据集 DOI：doi:10.7910/DVN/XJWJRE。
【主题与分类】
主题标签：Medicine, Health and Life Sciences。
【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://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/XJWJRE
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://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/XJWJRE
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。
