患者与卫生工作者如何围绕疟疾快速诊断测试互动：乌干达西部的一项定性研究
乌干达西部一项关于疟疾快速诊断测试中患者与卫生工作者互动的定性研究，含观察和访谈数据。
基本信息
资源简介
患者与卫生工作者如何围绕疟疾快速诊断测试互动：乌干达西部的一项定性研究
【一句话概览】
本数据集是 Dryad 公开的文本数据集，主题涵盖 Rapid diagnostic tests、Patient perceptions、Malaria、Patient-provider communication、Patient expectations，可用于医学自然语言处理（实体识别、信息抽取等），https://spdx.org/licenses/CC0-1.0.html 许可开放获取。
【数据集背景】
本数据集源站标题为《Data from: How do patients and health workers interact around malaria rapid diagnostic testing, and how are the tests experienced by patients in practice? A qualitative study in western Uganda》。
【数据内容】
源站原始描述：Background: Successful scale-up in the use of malaria rapid diagnostic tests (RDTs) requires that patients accept testing and treatment based on RDT results and that healthcare providers treat according to test results. Patient-provider communication is a key component of quality care, and leads to improved patient satisfaction, higher adherence to treatment and better health outcomes. Voiced or perceived patient expectations are also known to influence treatment decision-making among healthcare…
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.39np4。
【主题与分类】
主题标签：Rapid diagnostic tests、Patient perceptions、Malaria、Patient-provider communication、Patient expectations、Diagnosis、Treatment acceptance。
【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://doi.org/10.5061/dryad.39np4
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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：http://datadryad.org/dataset/doi%253A10.5061%252Fdryad.39np4
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。
