D²EFT中的炎症与合并感染
该数据集来源于clinicaltrials.gov,是嵌套在D²EFT随机对照试验中的i2-D²EFT观察性队列研究,覆盖HIV感染/艾滋病及人类疱疹病毒4型、巨细胞病毒、人类疱疹病毒8型、人乳头瘤病毒等合并感染

基本信息
资源简介
D²EFT中的炎症与合并感染
该数据集来源于clinicaltrials.gov,是嵌套在D²EFT随机对照试验中的i2-D²EFT观察性队列研究,覆盖HIV感染/艾滋病及人类疱疹病毒4型、巨细胞病毒、人类疱疹病毒8型、人乳头瘤病毒等合并感染。数据包含人口学信息、随机抗逆转录病毒治疗分组、HIV病史、体格检查、免疫学与病毒学结果以及合并感染发作情况,可用于研究简化二线治疗背景下炎症与合并感染的关联及预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:HIV感染/艾滋病、人类疱疹病毒4型感染、巨细胞病毒感染、人类疱疹病毒8型感染、人乳头瘤病毒。i2-D²EFT子研究是一项观察性队列,嵌套于简化二线治疗的开放标签III/IV期随机对照试验D²EFT(NCT03017872)之中。同意参加D²EFT研究的参与者将被随机分配至三个组:利托那韦增强的达芦那韦加两种核苷类药物,或多替拉韦加两种预定核苷类药物(富马酸替诺福韦二吡呋酯加拉米夫定或恩曲他滨),或利托那韦增强的达芦那韦加多替拉韦。i2-D²EFT子研究的入组对D²EFT参与者是自愿和可选的。与i2-D²EFT子研究相关的参数包括人口学信息、随机抗逆转录病毒治疗分组、HIV病史、体格检查、免疫学和病毒学结果、合并感染发作。
【主题与分类】
主题标签:HIV-infection/Aids、Human Herpesvirus 4 Infections、Cytomegalovirus Infections、Human Herpesvirus 8 Infection、Human Papilloma Virus。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04183738
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/NCT04183738
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/艾滋病、人疱疹病毒4型感染、巨细胞病毒感染、人疱疹病毒8型感染、人乳头瘤病毒。i2-D²EFT子研究是一项观察性队列研究,嵌套于简化二线治疗的母项开放标签III/IV期随机对照试验D²EFT(NCT03017872)之中。同意参加D²EFT研究的受试者将在三个组别中随机分配:利托那韦增效达芦那韦联合两种核苷类药物,或多替拉韦联合两种预定核苷类药物(富马酸替诺福韦二吡呋酯联合拉米夫定或恩曲他滨),或利托那韦增效达芦那韦联合多替拉韦。i2-D²EFT子研究的入组对D²EFT受试者而言是自愿且可选的。与i2-D²EFT子研究相关的参数,包括人口学资料、随机抗逆转录病毒治疗(ART)组别、HIV病史、体格检查、免疫学和病毒学结果、合并感染事件以及因任何感染或恶性肿瘤所致的不良事件,将在规定时间点作为D²EFT研究的一部分予以收集。
在基线和第48周进行的子研究特定评估包括采集样本用于IL-6检测以及EBV/CMV/HHV8检测,以及可选的肛门/宫颈HPV筛查。
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。




