瑞士HIV队列研究中CAB+RPV长效方案的 uptake、结局与治疗失败风险因素
该数据集来自clinicaltrials.gov，聚焦HIV感染人群，旨在刻画瑞士HIV队列研究中启动CAB+RPV长效方案（CAB+RPV LA）的参与者特征，评估其对瑞士标签适应症的依从性，并描述在这一大型、多中心、异质性高收入环境中的治疗结局
基本信息
资源简介
瑞士HIV队列研究中CAB+RPV长效方案的 uptake、结局与治疗失败风险因素
该数据集对应一项聚焦HIV感染人群的研究，旨在刻画瑞士HIV队列研究中启动CAB+RPV长效方案（CAB+RPV LA）的参与者特征，评估其对瑞士标签适应症的依从性，并描述在这一大型、多中心、异质性高收入环境中的治疗结局。研究同时关注在CAB+RPV LA方案下与病毒学失败相关的病毒学、免疫学、人口学、临床及行为学因素。数据集来源于clinicaltrials.gov，主题标签为HIV Infections，本站分类归入免疫系统疾病／其他。以下依据可获得的信息对该数据集作分段介绍。
【数据集背景】
该数据集所对应的研究围绕HIV感染者的长效抗逆转录病毒治疗展开，核心对象是启动CAB+RPV LA方案的瑞士HIV队列研究参与者。研究背景设定为大型、多中心、异质性的高收入环境，关注该方案在真实队列中的 uptake（启动使用情况）、治疗结局以及治疗失败的风险因素。研究目的包括三个方面：刻画启动该方案的参与者特征；评估用药对瑞士标签适应症的依从性；描述该环境下的治疗结局。此外，研究还旨在评估与CAB+RPV LA方案下病毒学失败相关的病毒学、免疫学、人口学、临床和行为学因素。
【数据内容】
源站描述显示，该研究涉及的疾病条件为HIV Infections。数据内容围绕启动CAB+RPV LA方案的参与者展开，涵盖参与者特征、对瑞士标签适应症的依从性评估以及治疗结局描述；同时涉及与病毒学失败相关的病毒学、免疫学、人口学、临床和行为学因素。关于具体变量数量、字段结构、样本量、随访时长和结局指标定义等细节，源站未提供。
【采集与来源】
该数据集的来源站为clinicaltrials.gov，对应一项在瑞士HIV队列研究中开展的研究。研究环境被描述为大型、多中心、异质性高收入 setting。关于具体的采集方式、数据提取流程、时间范围和数据更新频率，源站未提供。
【适用场景】
基于现有信息，该数据集适用于以下方向：了解HIV感染人群中CAB+RPV长效方案的启动使用情况；评估真实世界用药对瑞士标签适应症的依从性；描述该方案在多中心高收入环境中的治疗结局；分析与病毒学失败相关的病毒学、免疫学、人口学、临床和行为学因素。关于其他潜在应用场景，源站未提供。
【使用方法】
源站未提供具体的使用方法说明，包括数据访问方式、数据结构说明、变量字典、分析脚本或推荐的分析流程等。
【质量与限制】
该研究依托大型、多中心、异质性的高收入队列环境，其设计有助于描述该方案在真实临床环境中的使用与结局。关于数据质量指标、缺失情况、偏倚控制、样本代表性边界以及外推限制等具体信息，源站未提供。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT06405464
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感染。本研究旨在描述启动CAB+RPV LA方案的瑞士HIV队列研究参与者的特征，评估对瑞士标签适应症的依从性，并描述在这一大型、多中心、异质性高收入环境中的治疗结果。此外，本研究旨在评估在CAB+RPV LA方案下与病毒学失败相关的病毒学、免疫学、人口学、临床和行为因素。
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。
