印尼城市社区HPV感染、宫颈癌与HPV疫苗接种的知识、态度与实践数据
该数据集来自 Dryad,基于 2020 年 3 月至 2021 年 8 月在印尼雅加达开展的在线问卷调查,采用 Snowball 抽样,通过 Google Forms 收集 400 名城市居民的社会人口学特征及关于 HPV、宫颈癌和 HPV 疫苗的知识、态度与实践(KAP)信息

基本信息
资源简介
印尼城市社区HPV感染、宫颈癌与HPV疫苗接种的知识、态度与实践数据
Data from: Knowledge, attitudes, and practices among Indonesian urban communities regarding HPV infection, cervical cancer, and HPV vaccination
该数据集来自 Dryad,基于 2020 年 3 月至 2021 年 8 月在印尼雅加达开展的在线问卷调查,采用 Snowball 抽样,通过 Google Forms 收集 400 名城市居民的社会人口学特征及关于 HPV、宫颈癌和 HPV 疫苗的知识、态度与实践(KAP)信息。知识与态度分为 HPV 与宫颈癌(方面 1)和 HPV 疫苗接种(方面 2)。数据可用于分析 KAP 得分之间的相关性(Spearman 检验)以及通过多元 logistic 回归确定 KAP 预测因素,适用于印尼城市人群 HPV 与宫颈癌防控相关研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2022。
【数据内容】
源站描述(机器翻译,仅供参考):背景:很少有研究探讨印尼人对宫颈癌(CC)和人乳头瘤病毒(HPV)疫苗的了解。我们旨在调查印尼城市居民中与 HPV、CC 和疫苗接种相关的知识、态度和实践(KAP)与社会人口学影响之间的关联。方法:我们在 2020 年 3 月至 2021 年 8 月期间使用 Snowball 抽样技术进行了一项在线调查。通过 Google Forms 从雅加达的 400 名受访者中收集了社会人口学特征和 KAP 回答。知识和态度分为 HPV 与 CC(方面 1)和 HPV 疫苗接种(方面 2)。KAP 得分之间的相关性使用 Spearman 检验进行,并进行多元 logistic 回归分析以确定 KAP 预测因素。结果:发现雅加达的印尼城市居民在个人方面知识匮乏
【主题与分类】
主题标签:HPV、Cervical cancer、HPV vaccine、Knowledge、Attitude、Practice、Indonesia、Urban Community。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.ns1rn8pv4
使用许可:Creative Commons Zero v1.0 Universal。
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/10.5061/dryad.ns1rn8pv4
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 357.1 KB。
数据说明
背景:很少有研究探讨印度尼西亚人对宫颈癌(CC)和人乳头瘤病毒(HPV)疫苗的认知。本研究旨在调查印度尼西亚城市居民中,与HPV、CC及疫苗接种相关的知识、态度和实践(KAP)与社会人口学影响因素之间的关联。方法:我们于2020年3月至2021年8月期间,采用滚雪球抽样技术开展了一项在线调查。通过Google Forms从雅加达400名受访者中收集了社会人口学特征和KAP应答。知识和态度分为HPV与CC(方面1)和HPV疫苗接种(方面2)。采用Spearman检验分析KAP评分之间的相关性,并进行多元logistic回归分析以确定KAP的预测因素。结果:雅加达的印度尼西亚城市居民在调查的各个单独方面知识较差,但总体知识水平为中等;在调查的各个方面及总体态度均良好;实践情况则不尽如人意。
总体而言,在普通人群、男性和女性中分别有:50.8%、32.4%和53.6%的人具备良好的知识;82.0%、75.2%和84.4%的人表现出积极的态度;30.3%、15.2%和35.6%的人对所调查的问题采取了有利的实践。知识与态度呈弱相关(ρ=0.385),但与实践呈中度相关(ρ=0.485);态度与实践呈中度相关(ρ=0.577),所有结果:p<0.001。良好知识预测因素的显著比值比(OR)为女性(OR=2.99)、较高教育程度(OR=2.91)和较高的母亲教育程度(OR=2.15)。与积极态度相关的因素为较高的母亲教育程度(OR=4.13)、较年轻的年龄(OR=1.86)以及知识调查中较好的结果(OR=2.96)。提示较好实践的因素为女性(OR=2.33)、在职(OR=1.68)、优异的知识得分(OR=4.56)和积极态度的表达(OR=8.05)。已完成一次疫苗接种
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。




