突尼斯宫颈癌预防：HPV疫苗引入前妇产科住院医师的知识、态度与实践
该数据集来自突尼斯一项分析性横断面研究，于2024年3月至6月在积极执业的妇产科住院医师中开展，采用基于世界卫生组织（WHO）建议及法国国家卫生管理局和美国国家癌症研究所指南的匿名在线问卷，覆盖宫颈癌筛查与HPV疫苗接种的知识、态度和实践三个领域
基本信息
资源简介
突尼斯宫颈癌预防：HPV疫苗引入前妇产科住院医师的知识、态度与实践
Cervical cancer prevention in Tunisia: knowledge, attitudes and practices of obstetrics and gynecology residents before HPV vaccine introduction
该数据集来自突尼斯一项分析性横断面研究，于2024年3月至6月在积极执业的妇产科住院医师中开展，采用基于世界卫生组织（WHO）建议及法国国家卫生管理局和美国国家癌症研究所指南的匿名在线问卷，覆盖宫颈癌筛查与HPV疫苗接种的知识、态度和实践三个领域。研究背景为国家HPV疫苗接种规划（2025年2月实施）引入之前，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。数据可用于医学教育与公共卫生研究（来源 DataONE，http://creativecommons.org/publicdomain/zero/1.0 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：该分析性横断面研究于2024年3月至6月在积极执业的突尼斯妇产科住院医师中开展。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美国国家癌症研究所的指南。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%3Af2c7db63ca730b8efc3873b6413decd9b9fc312429d18fa11c18283291e7fb22
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。
