Nairobi County与Kiambu County性交前后左炔诺孕酮1.5mg可行性与可接受性研究
该数据集来自search.dataone.org，为一项为期12个月的前瞻性、单臂、开放标签干预研究，于2020年8月至2021年8月在Nairobi County和Kiambu County开展，共筛查并纳入897名18–49岁有妊娠风险且性行为不频繁（每月性交频率六次或以下）的女性
基本信息
资源简介
Nairobi County与Kiambu County性交前后左炔诺孕酮1.5mg可行性与可接受性研究
A Study on the Feasibility and Acceptability of Pericoital Levonorgestrel 1.5mg in Nairobi County and Kiambu County
该数据集来自search.dataone.org，为一项为期12个月的前瞻性、单臂、开放标签干预研究，于2020年8月至2021年8月在Nairobi County和Kiambu County开展，共筛查并纳入897名18–49岁有妊娠风险且性行为不频繁（每月性交频率六次或以下）的女性。数据涵盖入组数据集、双月调查、约6个月随访时的扩展调查以及电子商务药房销售日志，可用于研究性交前后左炔诺孕酮1.5mg的可行性与可接受性（来源 DataONE，https://dataverse.harvard.edu/api/datasets/:persistentId/versions/1.1/customlicense?persistentId。
【数据内容】
源站描述（机器翻译，仅供参考）：一项为期12个月的前瞻性、单臂、开放标签干预研究，于2020年8月至2021年8月开展。共筛查并纳入897名18–49岁有妊娠风险且性行为不频繁（即每月性交频率六次或以下）的女性。涉及多个数据收集点：入组数据集、双月调查、约6个月随访时的扩展调查以及电子商务药房销售日志。
【主题与分类】
主题标签：pericoital、acceptability、urban and peri-urban、levonorgestrel 1.5 mg、feasibility、Social Sciences。本站分类：妊娠、分娩和产褥期。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A98ae4204da8df4f79c4ab73037798a7149a34a6505f298d546f355977d5870dd
使用许可：https://dataverse.harvard.edu/api/datasets/:persistentId/versions/1.1/customlicense?persistentId=doi:10.7910/DVN/CIAFAN。
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
一项于2020年8月至2021年8月开展、为期12个月的前瞻性、单臂、开放标签干预性研究。共筛查并纳入897名18–49岁、有妊娠风险且性生活不频繁（即每月性交频率六次或以下）的女性。研究涉及多个数据收集节点：入组数据集、每两月一次的调查、约6个月随访时的扩展调查，以及电子商务药房销售日志。
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。
