戒烟检查清单

一份用于标准化肿瘤患者戒烟实践的检查清单数据集,支持医生或护士进行戒烟服务转诊。

DataONE
2023-08-07 更新
浏览 16
文本Smoking CessationCancerMedicineHealth and Life SciencesOncology
Smoking Cessation Checklist

基本信息

模态
文本
大小
0.000003 GB
创建/更新时间
2023-08-07

资源简介

戒烟检查清单

【一句话概览】

本数据集是 DataONE 公开的文本数据集,主题涵盖 Smoking Cessation、Cancer、Medicine, Health and Life Sciences、Oncology,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《Smoking Cessation Checklist》。

【数据内容】

源站原始描述:A checklist is a simple, effective, and versatile intervention used to standardise smoking cessation practices in medical and radiation oncology services. The checklist supports standardisation of referral practices to smoking cessation services for cancer patients by either oncologists and/or nurses

中文译文(机器翻译,仅供快速理解,请以原文为准):核对表是一种简单、有效且用途广泛的干预工具,用于在肿瘤内科和放射肿瘤服务中标准化戒烟实践。该核对表有助于规范癌症患者向戒烟服务转诊的做法,转诊可由肿瘤科医生和/或护士实施。

【主题与分类】

主题标签:Smoking Cessation、Cancer、Medicine, Health and Life Sciences、Oncology。

【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://search.dataone.org/view/sha256:8138be44b7c60d7bde1b868d8c77c24ab1f9157e605890367027d9e448392f98

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://search.dataone.org/view/sha256:8138be44b7c60d7bde1b868d8c77c24ab1f9157e605890367027d9e448392f98

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。

数据集大小约 3.0 KB。

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