智利城乡社区HPV自采样的可接受性与可行性:横断面研究
这项在智利首都大区城乡初级保健中心开展的横断面研究,调查25–64岁女性对HPV阴道自采样的可接受性。共纳入780人,农村243人、城市537人;采用基于可接受性理论框架的结构化问卷,以复合可接受性评分和单项总体可接受性两个指标评估,并分析居住地差异、既往HPV筛查经历关联及两指标相关性

基本信息
资源简介
智利城乡社区HPV自采样的可接受性与可行性:横断面研究
Acceptability and Feasibility of HPV Self-Sampling in Urban and Rural Communities in Chile: A Cross-Sectional Study
这项在智利首都大区城乡初级保健中心开展的横断面研究,调查25–64岁女性对HPV阴道自采样的可接受性。共纳入780人,农村243人、城市537人;采用基于可接受性理论框架的结构化问卷,以复合可接受性评分和单项总体可接受性两个指标评估,并分析居住地差异、既往HPV筛查经历关联及两指标相关性。研究指出,宫颈癌仍是育龄女性重要发病原因,而智利城乡数据稀缺(来源 DOI 解析)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):背景:宫颈癌仍是育龄女性发病的主要原因之一。虽然HPV疫苗接种和筛查正在不断扩大,但关于替代筛查策略在医疗服务不足人群中可接受性的证据仍然有限。HPV阴道自采样是一种有前景的方法,但来自智利的数据——尤其是比较农村与城市人群的数据——十分匮乏。本研究调查了智利首都大区农村和城市地区女性对HPV自采样的可接受性。 方法:在农村(n=243)和城市(n=537)地区初级卫生保健中心就诊的780名25–64岁女性中开展了一项横断面研究。采用基于可接受性理论框架(Theoretical Framework of Acceptability, TFA)的结构化问卷评估可接受性。使用了两项指标:源自TFA核心构念的复合可接受性评分,以及总体可接受性的单条目测量。采用统计检验评估不同居住地区的差异,并使用多变量分析考察与既往HPV筛查经历的关联。还探讨了不同可接受性测量指标之间的相关性。
【主题与分类】
主题标签:Medicine, Health and Life Sciences。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/KUJ4G7
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://doi.org/10.7910/DVN/KUJ4G7
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:
数据集大小约 65.7 KB。
数据说明
背景:宫颈癌仍是育龄女性发病的主要原因之一。虽然HPV疫苗接种和筛查正在不断扩大,但关于替代筛查策略在医疗服务不足人群中可接受性的证据仍然有限。HPV阴道自采样是一种有前景的方法,但来自智利的数据——尤其是比较农村与城市人群的数据——十分匮乏。本研究调查了智利首都大区农村和城市地区女性对HPV自采样的可接受性。
方法:在农村(n=243)和城市(n=537)地区初级卫生保健中心就诊的780名25–64岁女性中开展了一项横断面研究。采用基于可接受性理论框架(Theoretical Framework of Acceptability, TFA)的结构化问卷评估可接受性。使用了两项指标:源自TFA核心构念的复合可接受性评分,以及总体可接受性的单条目测量。采用统计检验评估不同居住地区的差异,并使用多变量分析考察与既往HPV筛查经历的关联。还探讨了不同可接受性测量指标之间的相关性。
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。




