印度农村儿童腹泻与肺炎护理质量的知识-执行差距数据集

印度农村儿童腹泻与肺炎治疗中提供者知识与护理质量差距的表格数据。

DataONE
2016-08-31 更新
浏览 18
表格Quality of CareSocial SciencesChild healthMedicineHealth and Life Sciences
The Know-Do Gap in Quality of Care for Childhood Diarrhea and Pneumonia in Rural India

基本信息

模态
表格
大小
0.000006 GB
创建/更新时间
2016-08-31

资源简介

印度农村儿童腹泻与肺炎护理质量的知识-执行差距数据集

【一句话概览】

该数据集源自印度比哈尔邦社会特许经营与远程医疗评估,配套 do 文件用于分析数据,考察在儿童腹泻和肺炎治疗背景下医疗服务提供者的知识与护理质量,对应源站标题所述印度农村儿童腹泻和肺炎护理质量中的“知行差距”。源站标签包括护理质量、社会科学、儿童健康以及医学、健康与生命科学(来源 DataONE)。

【数据集背景】

本数据集源站标题为《The Know-Do Gap in Quality of Care for Childhood Diarrhea and Pneumonia in Rural India》。

【数据内容】

源站原始描述:This dataset comes from the Evaluation of Social Franchising and Telemedicine in Bihar, India. The accompanying do files are for analysis that was done on this data looking at provider knowledge and quality of care in the context of treatment of childhood diarrhea and pneumonia

中文译文(机器翻译,仅供快速理解,请以原文为准):本数据集来自印度比哈尔邦社会特许经营与远程医疗评估。随附的 do 文件用于对该数据进行的分析,这些分析考察了儿童腹泻和肺炎治疗背景下的服务提供者知识与医疗质量。

【主题与分类】

主题标签:Quality of Care、Social Sciences、Child health、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://search.dataone.org/view/sha256:4931fc274f77298bce01aa4ee6cd66db143e254046943bdf3f19579489b49d6a

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://search.dataone.org/view/sha256:4931fc274f77298bce01aa4ee6cd66db143e254046943bdf3f19579489b49d6a

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。

数据集大小约 6.0 KB。

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