牙科环境中终结艾滋病疫情干预研究 - UH3
该数据集来自clinicaltrials.gov,聚焦在牙科诊疗环境中开展HIV预防与照护最佳实践的干预研究。研究对象为HIV-1感染相关人群,核心内容涉及在牙科照护场景中通过信息技术支持HIV常规筛查,包括向牙科住院医师推送最佳实践提醒(BPA)并关联医嘱套餐以简化HIV检测开单,同时为未确诊HI

基本信息
资源简介
牙科环境中终结艾滋病疫情干预研究 - UH3
该数据集来自clinicaltrials.gov,聚焦在牙科诊疗环境中开展HIV预防与照护最佳实践的干预研究。研究对象为HIV-1感染相关人群,核心内容涉及在牙科照护场景中通过信息技术支持HIV常规筛查,包括向牙科住院医师推送最佳实践提醒(BPA)并关联医嘱套餐以简化HIV检测开单,同时为未确诊HIV感染者提供识别机会并开展暴露前预防(PrEP)教育。数据可用于研究牙科场景下HIV筛查流程优化、临床决策支持工具应用及预防干预实施效果评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:HIV-1感染。美国疾病控制与预防中心(CDC)、美国卫生与公众服务部(DHHS)终结疫情(ETE)倡议以及纽约州终结艾滋病疫情蓝图均将全部医疗照护场所的常规预防性HIV筛查视为最佳实践。尽管如此,许多患者在常规照护中并未接受HIV筛查,包括在牙科照护场所,导致错失识别未确诊HIV感染和提供暴露前预防(PrEP)教育的机会。本研究将利用信息技术支持在牙科照护场所实施HIV预防与照护最佳实践。当牙科住院医师遇到应接受HIV筛查的患者时,将收到最佳实践(BPA)提醒。该BPA关联一个医嘱套餐,以简化HIV检测开单和rep
【主题与分类】
主题标签:HIV-1-infection。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06890988
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://clinicaltrials.gov/study/NCT06890988
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
条件:HIV-1感染。美国疾病控制与预防中心(CDC)、卫生与公众服务部(DHHS)“终结疫情”(ETE)倡议以及纽约州终结艾滋病疫情蓝图均将全医疗场所常规HIV预防性筛查视为最佳实践。尽管如此,许多患者在常规诊疗中仍未接受HIV筛查,包括牙科诊疗环境,导致错失识别未诊断HIV感染及提供暴露前预防(PrEP)教育的机会。本研究将利用信息技术支持在牙科诊疗环境中实施HIV预防与诊疗最佳实践。牙科住院医师在接诊应接受HIV筛查的患者时,将收到最佳实践提示(BPA)。该BPA与一套医嘱套餐相关联,以简化HIV检测的开具与结果报告流程。
在牙科环境中实施这些ETE活动的一个关键知识缺口是,全面的ETE工作能否整合到由执业医师、牙科助理和洁牙师组成的现有牙科团队中,还是需要由专门的护理导航员来增强。为评估这两种模式,研究者将在3个城市综合牙科项目(NYP-Columbia、NYP-Cornell、NYP-Queens)中开展一项交叉临床试验,随机分配至2个组之一:(AB)标准牙科护理团队模式,随后交叉至配有护理导航员的增强型牙科护理团队模式;或(BA)配有护理导航员的增强型牙科护理团队模式,随后交叉至标准牙科护理团队模式。
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。




