乌干达卡塞塞地区社区客户主导抗逆转录病毒治疗(CCLAD)入组障碍复制数据

乌干达卡塞塞地区医疗机构中CCLAD入组障碍研究的复制数据集,包含表格数据用于分析入组障碍因素。

Harvard DataverseHarvard Dataverse
NIAID Data Ecosystem
浏览 11
表格MedicineHealth and Life SciencesHIVCCLAD
Replication Data for Barriers to Enrolment of Clients into Community Client Led Anti-retroviral Therapy Delivery (CCLAD) in Selected Health Facilities in Kasese District, Uganda

基本信息

模态
表格
大小
0.000104756 GB
创建/更新时间
2026-10-12

资源简介

乌干达卡塞塞地区社区客户主导抗逆转录病毒治疗(CCLAD)入组障碍复制数据

【一句话概览】

本数据为一项研究的复现数据集,该研究题为《乌干达 Kasese 区选定卫生设施中客户入组社区客户主导抗逆转录病毒治疗交付(CCLAD)的障碍》。数据集标签包括医学、健康与生命科学、HIV 和 CCLAD(来源 DOI 解析)。

【数据集背景】

本数据集源站标题为《Replication Data for Barriers to Enrolment of Clients into Community Client Led Anti-retroviral Therapy Delivery (CCLAD) in Selected Health Facilities in Kasese District, Uganda》。源站首次发布:2023。

【数据内容】

源站原始描述:This is a replication dataset for the study titled "Barriers to Enrolment of Clients into Community Client Led Anti-retroviral Therapy Delivery (CCLAD) in Selected Health Facilities in Kasese District, Uganda"

【主题与分类】

主题标签:Medicine, Health and Life Sciences、HIV, CCLAD。

【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://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/4QJTJK

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/10.7910/DVN/4QJTJK

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

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。

获取专属数据定制方案