设计聊天机器人干预以改善乳腺癌筛查差异的试点研究

包含496名参与者的问卷数据,用于研究不同聊天机器人角色在乳腺癌筛查推广中的信任度和参与度。

Mendeley Data
浏览 14
表格乳腺癌筛查聊天机器人
Pilot Study to Design a Chatbot Intervention to Ameliorate Disparities in Breast Cancer Screening

基本信息

模态
表格
大小
0.000158372 GB
创建/更新时间
2026-10-08
版本
v1

资源简介

设计聊天机器人干预以改善乳腺癌筛查差异的试点研究

【一句话概览】

本数据集是 Mendeley Data 公开的结构化表格数据集,收录 1 个文件、合计 158.37 KB,可用于统计建模、特征工程与队列分析。

【数据集背景】

本数据集源站标题为《Pilot Study to Design a Chatbot Intervention to Ameliorate Disparities in Breast Cancer Screening》。源站首次发布:2024-06-14。

【数据内容】

源站原始描述:What the dataset is about: this data set includes survey responses for a factorial experiment testing trust and engagement with respect to different chatbot personas for breast cancer screening outreach. There were 4 different versions of chatbot personas (varying on communication style and messenger) and 1 control arm. When the data were collected: participants were recruited via online survey platforms and completed the survey between August and September 2022. How many participants provided d…

【数据结构与技术规格】

文件数 1 个,合计 158.37 KB。数据集 DOI:10.17632/jcfczd97jd.1。

【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://data.mendeley.com/datasets/jcfczd97jd

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://data.mendeley.com/datasets/jcfczd97jd

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