HIV合并感染中的复发性内脏利什曼病

该数据集来自clinicaltrials.gov,为前瞻性与回顾性观察性队列研究,聚焦埃塞俄比亚北部HIV与内脏利什曼病(VL)合并感染患者

Institute of Tropical Medicine, BelgiumInstitute of Tropical Medicine, Belgium
clinicaltrials
浏览 7
基因组分类HivVisceral Leishmaniasis
Recurrent Visceral Leishmaniasis in HIV Co-Infection

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-23

资源简介

HIV合并感染中的复发性内脏利什曼病

该数据集来自clinicaltrials.gov,为前瞻性与回顾性观察性队列研究,聚焦埃塞俄比亚北部HIV与内脏利什曼病(VL)合并感染患者。研究旨在识别导致VL/HIV患者活动性慢性化(复发或慢性寄生虫存在伴临床症状)的关键宿主与病原体因素,涵盖按慢性化程度描述患者、分子诊断监测寄生虫、刻画HIV合并感染与ART耐药潜力、以及利什曼原虫基因分型以评估再感染与复发。数据可用于免疫系统疾病相关分类与预测研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:Hiv、内脏利什曼病。前瞻性与回顾性观察性队列研究。主要目标——识别导致埃塞俄比亚北部VL/HIV患者活动性慢性化(即血液、组织和/或皮肤中持续或复发性寄生虫存在并伴随临床症状)的关键宿主与病原体因素。具体目标: 利用常规临床与实验室数据按慢性化程度描述VL/HIV患者; 在治疗前、治疗中、治疗后及随访期间,按疾病慢性化程度通过外周血及(如可获得)组织抽吸物的分子诊断监测寄生虫存在; 按疾病慢性化程度广泛刻画 underlying HIV合并感染及ART耐药潜力; 按疾病慢性化程度对利什曼原虫进行基因分型,以评估再感染、复发。

【主题与分类】

主题标签:Hiv、Visceral Leishmaniasis。本站分类:免疫系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07487350

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/NCT07487350

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

病情:HIV、内脏利什曼病。

前瞻性与回顾性观察性队列研究 主要目的——确定在埃塞俄比亚北部VL/HIV患者中,导致活动性慢性化(即血液、组织和/或皮肤中寄生虫持续存在,并伴有临床症状的复发或慢性状态)的关键宿主和病原体因素 具体目的 * 利用常规临床和实验室数据,按慢性化程度描述VL/HIV患者 * 通过分子诊断监测治疗前、治疗期间、治疗后以及随访期间外周血和——如有条件——组织抽吸物中的寄生虫存在情况,并按疾病慢性化程度分层 * 按疾病慢性化程度,广泛描述潜在的HIV合并感染及ART耐药的可能性 * 按疾病慢性化程度对利什曼原虫进行基因分型,以评估再感染、复发、耐药以及静息/毒力状态 * 确定其他伴随的(潜伏性)合并感染(结核、疟疾、肠道蠕虫、病毒感染)及其对疾病慢性化的影响 * 按疾病慢性化程度研究免疫耗竭水平和免疫检查点抑制通路,作为潜在治疗靶点 * 评估qualit

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