印度尼西亚城市社区关于HPV感染、宫颈癌及HPV疫苗接种的知识、态度与实践
该数据集来自search.dataone.org，聚焦印度尼西亚雅加达城市居民对HPV感染、宫颈癌及HPV疫苗接种的知识、态度与实践（KAP）
基本信息
资源简介
印度尼西亚城市社区关于HPV感染、宫颈癌及HPV疫苗接种的知识、态度与实践
Knowledge, attitudes, and practices among Indonesian urban communities regarding HPV infection, cervical cancer, and HPV vaccination
该数据集来自search.dataone.org，聚焦印度尼西亚雅加达城市居民对HPV感染、宫颈癌及HPV疫苗接种的知识、态度与实践（KAP）。数据通过2020年3月至2021年8月的在线问卷调查、采用滚雪球抽样法收集，共纳入400名受访者，涵盖社会人口学特征及KAP应答。知识、态度分为HPV与宫颈癌（方面1）和HPV疫苗（方面2）两部分。数据可用于分析KAP得分间的相关性及KAP预测因素，支持宫颈癌防控相关的健康行为研究（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：很少有研究探讨印度尼西亚人对宫颈癌（CC）和人乳头瘤病毒（HPV）疫苗的了解。我们旨在调查印度尼西亚城市居民中与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：我们于2020年3月至2021年8月期间使用滚雪球抽样技术开展了一项在线调查。通过Google Forms从雅加达的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）。KAP得分之间的相关性使用Spearman检验进行，并进行了多项逻辑回归分析以确定KAP预测因素。结果：发现雅加达的印度尼西亚城市居民在个体方面知识较差
【主题与分类】
主题标签：HPV、Urban Community、Cervical cancer、Attitude、Knowledge、Indonesia、HPV vaccine、Practice。本站分类：肿瘤/宫颈癌。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Ad74031e3708869a7b25384e5ca0cb85b217fa0cfa9e0e034c427cb7df9056d0d
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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:
数据说明
背景：很少有研究探讨印度尼西亚人对宫颈癌（CC）和人类乳头瘤病毒（HPV）疫苗的认知。本研究旨在调查印度尼西亚城市居民中知识、态度和实践（KAP）与HPV、CC及疫苗接种相关的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）。KAP得分之间的相关性采用Spearman检验进行分析，并采用多元逻辑回归分析以确定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，但总体知识水平中等；在调查的各个方面态度良好……
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。
