移植专业人员对活体肾脏捐赠资格标准范式转变的态度调查数据
调查55个国家移植专业人员对活体肾脏捐赠扩展标准的政策与态度差异，揭示需标准化筛选流程。
基本信息
资源简介
移植专业人员对活体肾脏捐赠资格标准范式转变的态度调查数据
【数据集背景】
本数据集源站标题为《Data from: Attitudes among transplant professionals regarding shifting paradigms in eligibility criteria for live kidney donation》。
【数据内容】
源站原始描述：Background The transplant community increasingly accepts extended criteria live kidney donors, however, great (geographical) differences are present in policies regarding the acceptance of these donors, and guidelines do not offer clarity. The aim of this survey was to reveal these differences and to get an insight in both centre policies as well as personal beliefs of transplant professionals. Methods An online survey was sent to 1128 ESOT-members. Questions were included about several extended…
中文译文（机器翻译，仅供快速理解，请以原文为准）：背景：移植界越来越接受扩展标准活体肾供者，然而在是否接受这些供者方面，相关政策存在巨大的（地理）差异，指南也未提供明确说明。本调查的目的是揭示这些差异，并深入了解移植中心的政策以及移植专业人员的个人信念。方法：向1128名ESOT成员发送了一项在线调查。问卷纳入了关于若干扩展供者标准的问题：超重/肥胖、高龄、血管多支、未成年人作为供者以及合并症：高血压、空腹血糖受损、肾结石、恶性肿瘤和肾囊肿。对欧洲三个地区的移植中心之间，以及欧洲与全球其他国家之间进行了比较。结果：来自55个国家的专业人员完成了331份问卷。欧洲各地区在接受具有若干扩展标准的供者方面存在显著差异。潜在活体供者的中位拒绝率为15%。此外，在术前检查方面也观察到差异，包括执行筛查的专科医生以及术前影像学检查。结论：值得注意的是，23.4%的移植专业人员有时会偏离其中心政策，导致对扩展标准的个人信念或多或少较为相似。存在多样性，证明在选择方面需要标准化方法，最好是基于证据的方法。
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.q1344。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.q1344
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/dataset/doi:10.5061/dryad.q1344
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。
