全科医生口头提醒对宫颈筛查影响的观察性研究
该数据集来自 clinicaltrials.gov，主题为全科医生口头提醒对宫颈筛查参与情况的影响，属于肿瘤/宫颈癌分类下的观察性研究
基本信息
资源简介
全科医生口头提醒对宫颈筛查影响的观察性研究
该数据集来自 clinicaltrials.gov，主题为全科医生口头提醒对宫颈筛查参与情况的影响，属于肿瘤/宫颈癌分类下的观察性研究。源站描述指出英国宫颈筛查率长期低于80%，需干预措施覆盖未筛查的20%人群；研究在常规医疗环境中对异质性患者群体实施医生干预，以获取可复制的真实世界结果。数据可用于分析医生提醒与筛查依从性之间的关系，并支持筛查参与预测建模（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：HPV相关宫颈癌、医患关系。据估计，由于英国国家宫颈筛查规划的有效性，目前每年可避免800至2000例死亡，且自20世纪70年代以来死亡率已下降超过75%。这些统计数据证实了筛查规划在降低宫颈癌死亡率方面的重要性。英国宫颈筛查率仍顽固地低于80%，需要干预措施来吸引那20%错过筛查的人群。这项前瞻性观察性研究旨在常规医疗环境中、在异质性患者群体中测量医生干预的影响，以产生可复制的真实世界结果。干预组将接受医生干预，以告知其筛查逾期状态、提醒其重要性
【主题与分类】
主题标签：HPV-Related Cervical Carcinoma、Physician-Patient Relations。本站分类：肿瘤/宫颈癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04970394
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://clinicaltrials.gov/study/NCT04970394
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
条件：HPV相关宫颈癌，医患关系。据估计，由于英国国家宫颈筛查规划的有效性，目前每年可预防800至2000例死亡，且自20世纪70年代以来死亡率已下降超过75%。这些统计数据证实了筛查规划在降低宫颈癌死亡率方面的重要性。英国的宫颈筛查率仍顽固地低于80%，需要采取干预措施以吸引那20%错过筛查的人群。本前瞻性观察性研究旨在测量医生干预在常规医疗环境中、在异质性患者群体中的影响，以产生可复制的真实世界结果。干预组将接受医生干预，告知其筛查逾期状态，提醒其宫颈筛查的重要性，并引导其预约筛查。干预组的筛查率将与对照组进行比较，对照组由其他临床医生接诊并接受非结构化提醒的患者组成。
研究结果将有助于医生判断，在提高无应答人群筛查率方面，结构化干预是否比目前提供的非结构化建议更为有效。
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。
