宫颈筛查级联缺口与WHO 90-70-90目标系统综述与Meta分析数据及代码
该数据集包含一项系统综述与Meta分析的研究级数据及分析代码，主题为缩小宫颈筛查级联缺口以达成WHO 90-70-90消除目标
基本信息
资源简介
宫颈筛查级联缺口与WHO 90-70-90目标系统综述与Meta分析数据及代码
Data and analysis code for "Closing the Cervical Screening Cascade Gap Toward WHO 90-70-90 Elimination Targets: A Systematic Review and Meta-Analysis"
该数据集包含一项系统综述与Meta分析的研究级数据及分析代码，主题为缩小宫颈筛查级联缺口以达成WHO 90-70-90消除目标。数据由25项研究（另含Agurto 2006作为叙述性/敏感性研究）中已发表的汇总效应估计构成，涉及改善宫颈癌异常筛查后随访的干预措施。配套Python代码可复现主要随机效应Meta分析、亚组与敏感性分析、发表偏倚评估及补充分析。不含个体参与者数据，全文PDF不重新分发（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【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）：该存储库包含系统综述与Meta分析“Closing the Cervical Screening Cascade Gap Toward WHO 90-70-90 Elimination Targets”的研究级数据集和分析代码。数据集由25项研究（另含Agurto 2006作为叙述性/敏感性研究）中已发表的汇总效应估计构成，这些研究涉及改善宫颈癌异常筛查后随访的干预措施。Python代码可复现主要随机效应Meta分析、亚组与敏感性分析、发表偏倚评估及补充分析。不包含任何个体参与者数据。代码以MIT许可证发布；数据和文档以CC BY 4.0发布。纳入研究的全文PDF不重新分发。详见README.md以获取完整细节和复现结果的说明。
【主题与分类】
主题标签：cervical cancer screening、follow-up adherence、cascade of care、meta-analysis。本站分类：肿瘤/宫颈癌。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.21222728
使用许可：Creative Commons Attribution 4.0 International。
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/10.5281/zenodo.21222728
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 28.5 KB。
数据说明
本数据存放包含系统综述与荟萃分析“缩小宫颈筛查级联差距以实现WHO 90-70-90消除目标”的研究级数据集和分析代码。数据集由25项研究（另加Agurto 2006作为叙述性/敏感性研究）的已发表汇总效应估计值组成，这些研究涉及改善宫颈癌筛查异常后随访的干预措施。Python代码可重现主要的随机效应荟萃分析、亚组和敏感性分析、发表偏倚评估以及补充分析。不包含任何个体参与者数据。代码依据MIT许可证发布；数据和文档依据CC BY 4.0发布。纳入研究的全文PDF不再分发。详见README.md以获取完整细节和重现结果的说明。
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。
