突尼斯妇产科住院医师宫颈癌预防知识态度与实践分析性横断面研究
该数据集来自 search.dataone.org，属于肿瘤/宫颈癌领域，记录了2024年3月至6月在突尼斯在职妇产科住院医师中开展的一项分析性横断面研究
基本信息
资源简介
突尼斯妇产科住院医师宫颈癌预防知识态度与实践分析性横断面研究
Bridging the gap: knowledge, attitudes, and practices of Tunisian obstetrics and gynecology residents in cervical cancer prevention on the eve of HPV vaccination- an analytical cross-sectional study
该数据集来自 search.dataone.org，属于肿瘤/宫颈癌领域，记录了2024年3月至6月在突尼斯在职妇产科住院医师中开展的一项分析性横断面研究。数据通过匿名在线问卷收集，问卷依据世界卫生组织（WHO）建议以及法国国家卫生管理局和国家癌症研究所的指南设计，涵盖宫颈癌筛查和HPV疫苗接种相关的知识、态度与实践三个维度。研究背景为突尼斯国家HPV疫苗接种规划于2025年2月实施之前，旨在评估住院医师对宫颈癌筛查的知识、态度与实践，并识别影响其筛查表现的因素。数据可用于分析医务人员认知水平、态度倾向与实践行为之间的关系，为筛查培训与疫苗推广提供参考（来源 DataONE，http://creativecommons.org/pu。
【数据内容】
源站描述（机器翻译，仅供参考）：2024年3月至6月，在突尼斯在职妇产科住院医师中开展了一项分析性横断面研究。数据通过匿名在线问卷收集，问卷基于世界卫生组织（WHO）的建议以及法国国家卫生管理局和国家癌症研究所的指南设计。问卷探讨了与宫颈癌筛查和HPV疫苗接种相关的三个领域：知识、态度和实践。在突尼斯国家HPV疫苗接种规划（于2025年2月实施）引入之前的背景下，本研究评估了突尼斯妇产科住院医师对宫颈癌筛查的知识、态度和实践，旨在识别影响其筛查表现的因素。
【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://search.dataone.org/view/sha256%3Af42ee65c1ccf3c6971d5884a381aa894d7bdca07da82bd1f35533d73d467bd1d
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
于2024年3月至6月，在积极从事临床工作的突尼斯妇产科住院医师中开展了一项分析性横断面研究。数据采用匿名在线问卷收集，问卷基于世界卫生组织（WHO）的建议以及 French National Authority for Health 和 National Cancer Institute 的指南。问卷探讨了三个领域：与宫颈癌筛查和HPV疫苗接种相关的知识、态度和实践。在国家HPV疫苗接种计划（于2025年2月实施）引入之前的背景下，本研究评估了突尼斯妇产科住院医师对宫颈癌筛查的知识、态度和实践，旨在识别影响其筛查表现的因素。
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。
