评估研究主题启发与优先级排序方法研究（SMARTER）[方法研究]，美国，2014-2018
SMARTER方法研究数据集，通过三种方法收集下腰痛患者对研究主题重要性的看法，含调查排名与体验反馈。
![Study of Methods for Assessing Research Topic Elicitation and Prioritization (SMARTER) [Methods Study], United States, 2014-2018](/medical-api/medicalDataset/datasetCover/40695.jpg)
基本信息
资源简介
评估研究主题启发与优先级排序方法研究（SMARTER）[方法研究]，美国，2014-2018
【一句话概览】
本数据集是 ICPSR 公开的文本数据集，主题涵盖 evaluation、intervention、patient care、patients，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《Study of Methods for Assessing Research Topic Elicitation and Prioritization (SMARTER) [Methods Study], United States, 2014-2018》。源站首次发布：2025。
【数据内容】
源站原始描述：Organizations that fund research often seek input on which topics are important to study. Patients can take part in setting priorities for research to help make sure that future studies focus on the topics that matter most to them. Researchers can collect patients'' views on which research topics are most important in different ways. In this study, the research team compared three methods of research priority setting: Online crowd voting, where patients submit, discuss, and vote on ideas online F…
【主题与分类】
主题标签：evaluation、intervention、patient care、patients。
【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://www.icpsr.umich.edu/web/pcodr/studies/39562
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。
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://www.icpsr.umich.edu/web/pcodr/studies/39562
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))
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
