原发性HIV-1耐药突变对PLWH免疫重建的影响
该数据集来自clinicaltrials.gov,聚焦原发性HIV-1耐药突变对接受抗逆转录病毒治疗(ART)的HIV感染者免疫重建的影响

基本信息
资源简介
原发性HIV-1耐药突变对PLWH免疫重建的影响
该数据集来自clinicaltrials.gov,聚焦原发性HIV-1耐药突变对接受抗逆转录病毒治疗(ART)的HIV感染者免疫重建的影响。源站描述涵盖HIV、AIDS、CD4缺乏、ART、耐药性疾病及治疗敏感性HIV感染等条件,指出未经治疗的HIV感染会导致免疫系统进行性且永久性损伤,CD4+ T淋巴细胞持续丢失可进展为AIDS;有效ART可阻止CD4+细胞下降甚至使其恢复至正常水平,而持续低CD4+计数和CD4:CD8比值者被定义为免疫应答不足,可能增加AIDS进展与死亡风险。该数据可用于研究耐药突变与免疫重建的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:HIV、AIDS、CD4缺乏、ART、耐药性疾病、治疗敏感性HIV感染。未经治疗的HIV感染会导致免疫系统进行性且永久性损伤,外周血CD4+ T淋巴细胞的相继丢失导致进展为AIDS。有效的抗逆转录病毒治疗(ART)可以阻止CD4+细胞下降,甚至使其恢复至正常水平。CD4+计数≥500个细胞/µl且CD4:CD8比值≥1被视为正常,而尽管接受ART治疗但CD4+和CD4:CD8比值持续较低的患者被定义为免疫应答不足,这可能导致进展为AIDS的风险增加,从而死亡率更高。CD4+再生受损的临床危险因素尚未完全确定,然而,诊断时年龄较大、男性、低CD4+细胞计数和低CD4:CD8比值是
【主题与分类】
主题标签:Hiv、AIDS、CD4 Deficiency、ART、Treatment Resistant Disorders、Treatment-Sensitive HIV Infection。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06044792
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/NCT06044792
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、AIDS、CD4缺乏、ART、治疗耐药性疾病、治疗敏感性HIV感染。未经治疗的HIV感染会导致免疫系统进行性和永久性损伤,外周血CD4+ T淋巴细胞的相继丧失导致进展为AIDS。有效的抗逆转录病毒治疗(ART)可以防止CD4+细胞下降,甚至使其恢复正常水平。CD4+计数≥500个细胞/µl且CD4:CD8比值≥1被视为正常,而尽管接受ART治疗但CD4+和CD4:CD8比值持续较低的患者被定义为免疫应答不足,这可能导致进展为AIDS的风险增加,从而导致更高的死亡率。CD4+再生受损的临床危险因素尚未完全确定,然而,年龄较大、男性、诊断时CD4+细胞计数低和CD4:CD8比值低与对ART较差的免疫应答相关。同样,HIV耐药在免疫重建过程中也起着重要作用。
尽管抗逆转录病毒治疗(ART)效果良好,但HIV病毒出现耐药突变可能导致治疗失败,令人担忧。全球报道的HIV-1耐药突变流行率在5%至25%之间。HIV原发性耐药发生于既往未接受过ART治疗的人群。这些人群开始ART治疗时遗传屏障较低,病毒学失败风险较高,且对其他药物产生耐药的风险也较高,可能导致免疫重建不足并进展为艾滋病。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




