低资源环境下肿瘤学电子健康记录需求启发与优先排序数据

低资源环境下肿瘤学电子健康记录需求的重要性与可行性排名数据，用于指导系统设计。

Mendeley Data

表格肿瘤学需求优先级排序

Data for: Elicitation and prioritization of requirements for electronic health records for oncology in low resource settings

基本信息

模态

表格

大小

0.000046648 GB

创建/更新时间

2026-10-08

版本

资源简介

低资源环境下肿瘤学电子健康记录需求启发与优先排序数据

【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 46.65 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《Data for: Elicitation and prioritization of requirements for electronic health records for oncology in low resource settings》。源站首次发布：2019-12-24。

【数据内容】

源站原始描述：This dataset contains ranking, on importance and feasibility, of statements of requirements of an electronic medical records system for oncology in low and middle income countries, by different stakeholders in cancer care in this setting

中文译文（机器翻译，仅供快速理解，请以原文为准）：本数据集包含由该环境中癌症照护的不同利益相关者，对低收入和中等收入国家肿瘤学电子病历系统需求陈述的重要性和可行性所作的排序。

【数据结构与技术规格】

文件数 1 个，合计 46.65 KB。数据集 DOI：10.17632/xsn8rbwmpd.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/xsn8rbwmpd

原始链接

https://data.mendeley.com/datasets/xsn8rbwmpd

访问原始数据

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/xsn8rbwmpd

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。

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))