中低收入国家医疗机构WASH持续可及性障碍与促进因素的范围综述制表数据集
该数据集是一项PRISMA-ScR范围综述的制表工作簿,主题为中低收入国家医疗机构中安全水、环境卫生与个人卫生(WASH)持续可及性、使用与功能性的障碍和促进因素

基本信息
资源简介
中低收入国家医疗机构WASH持续可及性障碍与促进因素的范围综述制表数据集
Replication Data for Barriers and facilitators to sustained access to safe water and sanitation
该数据集是一项PRISMA-ScR范围综述的制表工作簿,主题为中低收入国家医疗机构中安全水、环境卫生与个人卫生(WASH)持续可及性、使用与功能性的障碍和促进因素。数据以纳入的原始研究为行,收录2015至2026年发表或发布的研究,每项研究含28个编码字段,并分别对照CFIR框架(外部环境、内部环境、个体特征、干预特征、过程)和WHO/UNICEF WASH-FIT服务领域(水、环境卫生、个人卫生、废物管理、环境清洁)进行编码,一项研究可归入多个领域。可用于WASH实施障碍与促进因素的系统梳理与比较分析(来源 DOI 解析)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集是一项PRISMA-ScR范围综述的制表工作簿,综述主题为中低收入国家(LMICs)医疗机构(HCFs)中安全水、环境卫生与个人卫生(WASH)可及性、使用与功能性的持续性的障碍与促进因素。数据集每行对应一项纳入的原始研究(2015年至2026年发表或发布的研究),每项研究有28个编码字段。每项研究均对照两个框架进行制表:实施研究综合框架(CFIR:外部环境、内部环境、个体特征、干预特征、过程)和WHO/UNICEF WASH-FIT服务领域(水、环境卫生、个人卫生、废物管理、环境清洁)。一项研究可在每个框架中编码到多个领域。
【主题与分类】
主题标签:Medicine, Health and Life Sciences。本站分类:感染/感染性疾病。
【获取与许可】
源站页面:https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/IL8OGB
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/IL8OGB
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:
数据集大小约 194.5 KB。
数据说明
该数据集是一项PRISMA-ScR范围综述的图表工作簿,该综述关注中低收入国家(LMICs)医疗机构(HCFs)中水、环境卫生和个人卫生(WASH)可及性、使用及功能性的可持续性障碍与促进因素。数据集每行对应一项纳入的原始研究(2015年至2026年发表或发布的研究),每项研究包含28个编码字段。每项研究均依据两个框架进行图表化编码:实施研究综合框架(CFIR:外部环境、内部环境、个体特征、干预特征、过程)以及WHO/UNICEF WASH-FIT服务领域(水、环境卫生、个人卫生、废物管理、环境清洁)。一项研究可在每个框架中编码至多个领域。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。




