印度哈里亚纳邦农村年轻和中年女性盆底功能障碍患病率

来自印度哈里亚纳邦农村地区的横断面研究数据,评估236名年轻和中年女性盆底功能障碍的患病率,采用PFDI-20问卷收集。

NIAID Data Ecosystem
浏览 12
文本盆底功能障碍流行病学
Prevalence of Pelvic Floor disorders among Young and Middle-Aged Women in Rural Areas of Haryana

基本信息

模态
文本
大小
0.000042596 GB
创建/更新时间
2026-10-08
版本
v1

资源简介

印度哈里亚纳邦农村年轻和中年女性盆底功能障碍患病率

【一句话概览】

本数据集是 Mendeley Data 公开的文本数据集,收录 1 个文件、合计 42.60 KB,可用于医学自然语言处理(实体识别、信息抽取等)。

【数据集背景】

本数据集源站标题为《"Prevalence of Pelvic Floor disorders among Young and Middle-Aged Women in Rural Areas of Haryana"》。源站首次发布:2024-04-26。

【数据内容】

源站原始描述:Pelvic floor disorders, comprising urinary incontinence, pelvic organ prolapse, and fecal incontinence, significantly impact women''s quality of life. However, their prevalence among younger and middle-aged women in rural regions of developing nations, like India, remains understudied. Various cultural factors, such as early marriage, high parity, limited healthcare access, and insufficient awareness about pelvic floor disorders, heighten the vulnerability of rural Haryana women to these conditio…

【数据结构与技术规格】

文件数 1 个,合计 42.60 KB。数据集 DOI:10.17632/7jbmd54h3g.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/7jbmd54h3g

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/7jbmd54h3g

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