利用长效注射型PrEP提升美国南部Latine TGW与GBM的PrEP接受与留存
该数据集来自clinicaltrials.gov，围绕在美国南部Latine TGW与GBM人群中提升PrEP接受与留存的研究
基本信息
资源简介
利用长效注射型PrEP提升美国南部Latine TGW与GBM的PrEP接受与留存
该数据集来自clinicaltrials.gov，围绕在美国南部Latine TGW与GBM人群中提升PrEP接受与留存的研究。研究采用混合方法3型混合实施研究设计，主要检验实施策略，同时收集临床干预及相关结局数据。研究依托Duke University与El Centro Hispano的既有合作，在El Centro Hispano场所整合lenacapavir给药，并借助同伴导航员提供文化适配支持，以促进PrEP的接受、依从与持续使用。数据可用于HIV预防实施策略与PrEP服务交付相关分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：HIV预防、HIV暴露前预防、HIV预防项目、HIV预防与关怀、HIV暴露前预防使用。我们提出一项混合方法3型混合实施研究，主要检验一种实施策略，同时收集临床干预及相关结局的数据。依托Duke University与El Centro Hispano之间的既有合作，我们将在El Centro Hispano场所整合lenacapavir给药，利用El Centro Hispano同伴导航员为Latine GBM和TGW的PrEP接受、依从和持续使用提供文化适配的支持。
【主题与分类】
主题标签：HIV Prevention、HIV Pre-exposure Prophylaxis、HIV Prevention Program、HIV Prevention and Care、HIV Pre-exposure Prophylaxis Use。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07218211
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/NCT07218211
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预防、HIV暴露前预防、HIV预防项目、HIV预防与关怀、HIV暴露前预防使用。我们提出一项混合方法3型混合实施研究，主要检验一种实施策略，同时收集临床干预及相关结局数据。依托杜克大学与El Centro Hispano之间现有的合作关系，我们将在El Centro Hispano设施现场整合lenacapavir给药服务，利用El Centro Hispano同伴导航员为拉丁裔男男性行为者（GBM）和跨性别女性（TGW）提供文化契合的支持，以促进PrEP的接受、依从和持续使用。
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。
