尼日利亚Akwa Ibom州9–14岁女孩HPV疫苗接种提升数据集：社区参与式前后干预研究-114234
该数据集来自尼日利亚Akwa Ibom州开展的一项社区参与式多渠道宣传干预研究，用于评估干预前后9–14岁女孩HPV疫苗接种情况
基本信息
资源简介
尼日利亚Akwa Ibom州9–14岁女孩HPV疫苗接种提升数据集：社区参与式前后干预研究
Dataset for: Improving HPV Vaccine Uptake Among Girls Aged 9–14 Years in Akwa Ibom State, Nigeria: A Community-Participatory Pre/Post-Intervention Study
该数据集来自尼日利亚Akwa Ibom州开展的一项社区参与式多渠道宣传干预研究，用于评估干预前后9–14岁女孩HPV疫苗接种情况。数据在2025年1月和6月两个时间点采集，覆盖Uyo、Ikot Ekpene和Okobo三个地方政府区的六个社区，共686名照护者，干预前331人、干预后355人。内容涵盖HPV与宫颈癌认知、疫苗知识、接种状态、接种障碍、接种意愿、社区看法及一般疫苗接种态度，并附数据字典说明变量、编码及派生变量。可用于疫苗犹豫、健康传播效果评估及宫颈癌预防相关分析（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）：该数据集支持一项前后干预研究的结果，该研究评估了社区参与式、多渠道宣传运动对尼日利亚Akwa Ibom州9–14岁女孩人乳头瘤病毒（HPV）疫苗接种率的影响。数据在两个时间点从三个地方政府区（Uyo、Ikot Ekpene和Okobo）的六个社区的686名照护者中收集：干预前调查（2025年1月，n=331）和干预后调查（2025年6月，n=355）。数据集涵盖HPV和宫颈癌认知、疫苗知识、疫苗接种状态、接种障碍、接种意愿、社区看法以及一般疫苗接种态度。文件包含一个数据字典工作表，描述所有变量、编码方案以及关于派生变量和校正变量的说明，包括重新计算的疫苗知识得分。本研究
【主题与分类】
主题标签：HPV vaccine、Vaccine uptake、Community Participation、Health communication、Cervical cancer prevention、Adolescent girls、Pre/post intervention。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.21830368
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.21830368
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 409.9 KB。
数据说明
该数据集支持一项干预前后研究的结果，该研究评估了社区参与式多渠道宣传运动对尼日利亚阿夸伊博姆州9–14岁女孩人乳头瘤病毒（HPV）疫苗接种率的影响。数据在三个地方政府区域（Uyo、Ikot Ekpene和Okobo）的六个社区中，从686名照护者处收集，涵盖两个时间点：干预前调查（2025年1月，n=331）和干预后调查（2025年6月，n=355）。该数据集涵盖HPV与宫颈癌认知、疫苗知识、疫苗接种状态、接种障碍、接种意愿、社区看法以及一般疫苗接种态度。文件中包含一个数据字典工作表，描述了所有变量、编码方案以及关于衍生变量和校正变量的说明，包括重新计算的疫苗知识得分。本研究由RSTMH 2024年早期职业资助基金资助，并获得尼日利亚阿夸伊博姆州乌约大学教学医院健康研究伦理委员会的伦理批准。
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。
