HIV合并机会性感染患者抗逆转录病毒治疗真实世界队列研究

该数据集源自clinicaltrials.gov,为多中心、前瞻性、对照、观察性真实世界队列研究,覆盖中国多家HIV/AIDS治疗医院

Shanghai Public Health Clinical CenterShanghai Public Health Clinical Center
clinicaltrials
浏览 7
其他预测Opportunistic Infections, HIV Related
Real-world Cohort Study of Antiretroviral Therapy in HIV Patients With Opportunistic Infections

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-23

资源简介

HIV合并机会性感染患者抗逆转录病毒治疗真实世界队列研究

该数据集源自clinicaltrials.gov,为多中心、前瞻性、对照、观察性真实世界队列研究,覆盖中国多家HIV/AIDS治疗医院。研究构建8000人全国代表性HIV感染者队列,按1:3随机分为机会性感染治疗组(2000人,涵盖10种指定机会性感染)与对照组,系统比较合并与不合并机会性感染者的抗逆转录病毒治疗病毒学疗效、免疫重建及长期安全性,可用于个体化优化ART治疗的预测与评估研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:机会性感染、HIV相关。本研究采用多中心、前瞻性、对照、观察性真实世界队列设计,在中国多家重点HIV/AIDS治疗医院开展。通过构建大样本、全国代表性的HIV感染者真实世界队列,系统比较合并与不合并机会性感染的HIV感染者接受抗逆转录病毒治疗(ART)的病毒学疗效、免疫重建及长期安全性。为合并机会性感染的HIV感染者个体化优化ART治疗提供高质量的本土证据。总样本量为8000人,按1:3比例随机分为机会性感染治疗组(2000人,感染HIV共感染项目中10种指定机会性感染中的任意一种)

【主题与分类】

主题标签:Opportunistic Infections, HIV Related。本站分类:免疫系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07526363

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://clinicaltrials.gov/study/NCT07526363

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。

数据说明

条件:机会性感染,HIV相关。本研究采用多中心、前瞻性、对照、观察性真实世界队列设计,在中国多家重点HIV/AIDS治疗医院开展。通过构建大样本、具有全国代表性的HIV感染者真实世界队列,系统比较合并与未合并机会性感染的HIV感染者接受抗逆转录病毒治疗(ART)的病毒学疗效、免疫重建及长期安全性,为合并机会性感染的HIV感染者的个体化优化ART治疗提供高质量的本地证据。总样本量为8000人,按1:3比例随机分为机会性感染治疗组(2000人,为HIV共感染方案中指定的10种机会性感染中任一种的感染者)和入组时无机会性感染组(6000人)。

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。

获取专属数据定制方案