全球宫颈癌消除可行性——数据与脚本

该数据集收录结构性指标、175个国家宫颈癌发病与死亡预测、情景蒙特卡洛模拟输出、成本估算及论文所用R脚本。仓库含CERVI_STRUCT数据集(270项指标)、编码手册、可复现材料与补充文件,支持验证和再利用

Harvard DataverseHarvard Dataverse
dataverse
浏览 19
其他预测Medicine, Health and Life Sciences
Global Feasibility of Cervical Cancer Elimination – Data and Scripts

基本信息

模态
其他
大小
0.007009362 GB
任务类型
预测
创建/更新时间
2026-10-01

资源简介

全球宫颈癌消除可行性——数据与脚本

Global Feasibility of Cervical Cancer Elimination – Data and Scripts

该数据集收录结构性指标、175个国家宫颈癌发病与死亡预测、情景蒙特卡洛模拟输出、成本估算及论文所用R脚本。仓库含CERVI_STRUCT数据集(270项指标)、编码手册、可复现材料与补充文件,支持验证和再利用。主题涉及宫颈癌、HPV疫苗接种、全球健康、情景建模、蒙特卡洛模拟、结构性准备度与卫生系统(来源 DOI 解析)。

【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):本数据集包含手稿《全球消除宫颈癌的可行性:一项覆盖175个国家的多维情景建模分析》中使用的结构性指标、国家层面的宫颈癌发病率和死亡率预测、特定情景的蒙特卡洛模拟输出、成本估算以及R脚本。该存储库包含CERVI_STRUCT数据集(覆盖175个国家的270项指标)、数据字典、可重复性材料以及补充文件,以便进行验证和复用。

【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://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/HUY7M9

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/10.7910/DVN/HUY7M9

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据集大小约 7.0 MB。

数据说明

本数据集包含手稿《全球消除宫颈癌的可行性:一项覆盖175个国家的多维情景建模分析》中使用的结构性指标、国家层面的宫颈癌发病率和死亡率预测、特定情景的蒙特卡洛模拟输出、成本估算以及R脚本。该存储库包含CERVI_STRUCT数据集(覆盖175个国家的270项指标)、数据字典、可重复性材料以及补充文件,以便进行验证和复用。

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。

获取专属数据定制方案