DECIDO-专业人员-障碍-促进因素-66551
西班牙健康专业人员对基于风险的乳腺癌筛查项目实施的障碍与促进因素调查数据（220人，2020年）。
基本信息
资源简介
DECIDO-专业人员-障碍-促进因素-66551
【一句话概览】
本数据集是 Dryad 公开的结构化表格数据集，主题涵盖 personalized screening、Breast cancer、barriers、facilitators、Health Professionals，可用于统计建模、特征工程与队列分析，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《DECIDO-professionals-barriers-facilitators》。
【数据内容】
源站原始描述：This study explored the barriers and facilitators to the implementation of a risk-based breast cancer screening program from the point of view of Spanish health professionals. A cross-sectional study with 220 Spanish health professionals was designed. Data were collected in 2020 via a web-based survey and included advantages and disadvantages of risk-based screening and barriers and facilitators for the implementation of the program. Descriptive statistics and Likert scale responses analyzed as…
中文译文（机器翻译，仅供快速理解，请以原文为准）：本研究从西班牙卫生专业人员的视角探讨了实施基于风险的乳腺癌筛查项目的障碍和促进因素。研究设计了一项横断面研究，纳入220名西班牙卫生专业人员。数据于2020年通过网络调查收集，内容包括基于风险筛查的优势和劣势，以及实施该项目的障碍和促进因素。研究获得了描述性统计数据，并将Likert量表回答作为类别有序数据分析。基于风险的筛查被认为对降低乳腺癌死亡率和促进女性在乳腺癌预防中发挥更积极的作用、提高50岁以下女性的覆盖率、推动高危女性乳腺癌预防策略以及提高效率和效果具有重要或非常重要意义。85%的参与者认为，从基于年龄的项目转向基于风险的项目具有重要或非常重要意义。在实施障碍方面，提到了风险沟通、卫生专业人员的工作量以及人力和财政资源有限。尽管存在这些障碍，从卫生专业人员的角度来看，在西班牙实施基于风险的乳腺癌筛查项目接受度良好，且似乎可行。然而，这也带来了若干组织和资源方面的挑战。
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.hmgqnk9jg。
【主题与分类】
主题标签：personalized screening、Breast cancer、barriers、facilitators、Health Professionals。
【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://doi.org/10.5061/dryad.hmgqnk9jg
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.hmgqnk9jg
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。
