宫颈癌风险分类
描述给出导致活检检查的宫颈癌风险因素列表，并提及美国宫颈癌发病与死亡、年龄分布、HPV 感染、社会经济与族裔差异以及筛查不足等事实（来源 Kaggle，Other (specified in description) 许可）
基本信息
资源简介
宫颈癌风险分类
Cervical Cancer Risk Classification
该数据集标题为 Cervical Cancer Risk Classification，来自 UCI Repository，文件数1，总字节102059，标签为 cancer、healthcare、genetics，许可为 Other（描述中指定）。描述给出导致活检检查的宫颈癌风险因素列表，并提及美国宫颈癌发病与死亡、年龄分布、HPV 感染、社会经济与族裔差异以及筛查不足等事实（来源 Kaggle，Other (specified in description) 许可）。
【数据集背景】
源站首次发布：2017-08-31。
【数据内容】
源站描述（机器翻译，仅供参考）：宫颈癌活检危险因素：本数据集取自 UCI Repository，谨此致谢！本文件包含一份可导致活检检查的宫颈癌危险因素清单！美国每年诊断出约11,000例新发浸润性宫颈癌病例。然而，过去几十年中，新发宫颈癌病例数一直在稳步下降。尽管它是最可预防的癌症类型，但每年宫颈癌仍在美国导致约4,000名女性死亡，在全球导致约300,000名女性死亡。在美国，得益于筛查的增加以及通过 Pap 涂片检查实现的早期发现，宫颈癌死亡率在1955年至1992年间下降了74%。 年龄 50%的宫颈癌诊断发生在35-54岁女性中，约20%发生在65岁以上女性中。诊断的中位年龄为48岁。约15%的女性在20-30岁之间患上宫颈癌。宫颈癌在20岁以下女性中极为罕见。然而，许多年轻女性会感染多种类型的人乳头瘤病毒，这可能增加她们未来患宫颈癌的风险。有早期异常变化但不进行定期检查的年轻女性，到40岁时发生局限性癌症的风险很高，到50岁时发生浸润性癌症的风险很高。 社会经济与种族因素 尽管过去几十年白人女性和非裔美国女性的宫颈癌发病率均有所下降，但该病在非裔美国人中仍更为普遍——其死亡率是白人女性的两倍。西班牙裔美国女性患浸润性宫颈癌的风险是白人女性的两倍以上，这也归因于其筛查率较低。然而，这些差异几乎肯定是由社会和经济差异造成的。大量研究报告称，高度贫困与低筛查率相关。此外，缺乏医疗保险、交通不便和语言障碍会阻碍贫困女性获得筛查服务。 性活动频繁 人乳头瘤病毒（HPV）是宫颈癌的主要危险因素。在成人中，HPV最重要的危险因素是与其感染者发生性行为。宫颈癌风险最高的女性是那些有多个性伴侣史、在17岁或更年轻时发生性交，或两者兼有。
【数据结构与技术规格】
文件数 1 个，合计 102.06 KB。
【主题与分类】
主题标签：cancer、healthcare、genetics。本站分类：肿瘤/宫颈癌。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/loveall/cervical-cancer-risk-classification
使用许可：Other (specified in description)。
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。
需登录公开下载
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。
暂未开放有偿下载
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://kaggle.com/datasets/loveall/cervical-cancer-risk-classification
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 102.1 KB。
数据说明
宫颈癌风险分类 Gokagglers · 9 年前更新 可用性 8.2 · 1 个文件 (CSV) · 9 kB · 36.2K 次下载 · 101 个 Notebook 向上箭头 602 金牌 更多
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。
