德州农村初级保健医生黑色素瘤筛查信念与障碍调查附录与补充文档

包含德州各县名单和原始调查问卷,用于研究初级保健医生对黑色素瘤筛查的信念与障碍。

Stephanie SavoryStephanie Savory
Mendeley Data
浏览 11
文本黑色素瘤筛查文本
Appendix and Supplemental Document for Research Letter, “Beliefs and barriers to care of primary care practitioners towards melanoma screening and education in rural Texas"

基本信息

模态
文本
大小
0.000915981 GB
创建/更新时间
2026-10-08
版本
v1

资源简介

德州农村初级保健医生黑色素瘤筛查信念与障碍调查附录与补充文档

【一句话概览】

本资料为研究信《农村德克萨斯州初级保健从业者对黑色素瘤筛查与教育的信念及照护障碍》的附录与补充文件,共2个文件,合计916 KB。其中附录1被该研究信引用,列出调查受访者执业的德克萨斯州县;补充文件包含数据收集所用的原始调查问卷(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Appendix and Supplemental Document for Research Letter, “Beliefs and barriers to care of primary care practitioners towards melanoma screening and education in rural Texas"》。源站首次发布:2022-01-17。

【数据内容】

源站原始描述:Appendix 1 is referenced in the Research Letter and contains a list of Texas counties in which our survey respondents practice. Supplemental Document contains the original survey used in data collection

【数据结构与技术规格】

文件数 2 个,合计 915.98 KB。数据集 DOI:10.17632/r5bc4hg2yw.1。

【适用方向】

文本类数据可用于医学自然语言处理,如命名实体识别、信息抽取与文本分类。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/r5bc4hg2yw

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://data.mendeley.com/datasets/r5bc4hg2yw

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。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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