社会风险因素与社区医疗环境中癌症预防护理的复制数据
该数据集来自 search.dataone.org,聚焦社区医疗环境中患者自报社会风险与癌症预防护理的关系。研究覆盖 2015 年 7 月至 2020 年 2 月间 186 家社区诊所中符合结直肠癌、宫颈癌或乳腺癌筛查条件的患者,包含食物不安全、交通困难、住房不稳定等社会风险变量,以及筛查最新状态、

基本信息
资源简介
社会风险因素与社区医疗环境中癌症预防护理的复制数据
Replication Data for: Social Risk Factors and Cancer Prevention Care among Patients in Community Health Care Settings
该数据集来自 search.dataone.org,聚焦社区医疗环境中患者自报社会风险与癌症预防护理的关系。研究覆盖 2015 年 7 月至 2020 年 2 月间 186 家社区诊所中符合结直肠癌、宫颈癌或乳腺癌筛查条件的患者,包含食物不安全、交通困难、住房不稳定等社会风险变量,以及筛查最新状态、筛查医嘱接收与筛查完成等结局。数据可用于分析社会风险因素对癌症筛查行为的影响路径,并支持筛查依从性预测建模(来源 DataONE,http://creativecommons.org/publicdomain/zero/1.0 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):社会风险与癌症预防护理的接受呈负相关。由于对这些关联背后的路径缺乏了解,我们研究了患者报告的社会风险与结直肠癌(CRC)、宫颈癌(CVC)和乳腺癌(BC)筛查医嘱提供及筛查完成之间的关联。本研究纳入了 2015 年 7 月 1 日至 2020 年 2 月 29 日期间在 186 家社区诊所符合 CRC、CVC 或 BC 筛查条件的患者。结局包括:基线时指定癌症筛查的最新状态;后续研究月份中患者筛查保持最新的百分比;筛查医嘱接收;以及筛查完成。自变量为患者报告的食物不安全、交通困难和住房不稳定。分析使用协变量调整的广义估计方程模型,按社会风
【主题与分类】
主题标签:Medicine, Health and Life Sciences。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A60beee5975707ea4944951749c41899a60220f475a7bf95fc487397499cffa41
使用许可:http://creativecommons.org/publicdomain/zero/1.0。
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
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:
数据说明
社会风险与接受癌症预防保健呈负相关。由于对这些关联背后的路径缺乏了解,我们研究了患者报告的社会风险与结直肠癌(CRC)、宫颈癌(CVC)和乳腺癌(BC)筛查医嘱提供及筛查完成之间的关联。本研究纳入了2015年7月1日至2020年2月29日期间在186家社区诊所符合CRC、CVC或BC筛查条件的患者。结局指标包括:基线时相应癌症筛查的最新状态;后续研究月份中患者筛查保持最新的百分比;筛查医嘱的接收情况;以及筛查完成情况。自变量为患者报告的食品不安全、交通困难和住房不稳定。分析采用协变量调整的广义估计方程模型,并按社会风险进行分层。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。




