缓刑与假释办公室中的丙型肝炎治疗

研究为前瞻性队列研究,在社区缓刑与假释办公室(P&P office)场景下,比较远程医疗支持的现场治疗衔接与治疗的有效性和效果,并与转诊治疗的历史对照进行比较

Jens RosenauJens Rosenau
clinicaltrials
浏览 4
文本预测Hepatitis CHCV
Hepatitis C Treatment in Probation and Parole Office

基本信息

模态
文本
任务类型
预测
创建/更新时间
2026-10-22

资源简介

缓刑与假释办公室中的丙型肝炎治疗

该数据集来自 clinicaltrials.gov,主题为丙型肝炎(Hepatitis C、HCV)治疗。研究为前瞻性队列研究,在社区缓刑与假释办公室(P&P office)场景下,比较远程医疗支持的现场治疗衔接与治疗的有效性和效果,并与转诊治疗的历史对照进行比较。参与者在定期报到时于 P&P 办公室接受随访和治疗,无需前往专科医生办公室;远程医疗访视包括 HCV 专科医生和专科药师的咨询、教育与监测,并提供 24 小时支持热线。数据可用于评估社区矫正场景下 HCV 远程治疗模式的效果(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:Hepatitis C,HCV。这项前瞻性队列研究旨在确定在社区缓刑与假释办公室(P&P office)环境中,远程医疗支持的现场治疗衔接与治疗的有效性和效果,并将结果与转诊治疗的历史对照进行比较。研究参与者将在定期预约向官报到时于 P&P 办公室接受随访。参与者将接受治疗,而无需前往专科医生办公室。远程医疗访视将包括与经验丰富的 HCV 提供者(如肝病科医生或高级执业提供者)以及专科药师的咨询,后者将进行 HCV 治疗的教育和监测。UK 专科药房将通过 24 小时支持热线为参与者和 HCV 管理团队提供服务。参与者将接受治疗

【主题与分类】

主题标签:Hepatitis C、HCV。本站分类:感染/丙型肝炎。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05413785

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/NCT05413785

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:丙型肝炎,HCV。本前瞻性队列研究旨在确定在社区缓刑与假释办公室(P&P办公室)环境中,由远程医疗支持的现场衔接照护与治疗的有效性和效果,并将结果与转诊照护的历史对照进行比较。研究参与者将在P&P办公室按定期预约向缓刑官报到时接受随访。参与者无需前往专科医生办公室即可接受治疗。远程医疗访视将包括与经验丰富的HCV诊疗提供者(如肝病科医生或高级执业提供者)以及专科药师的咨询,后者将进行HCV治疗教育和监测。UK专科药房将通过24小时支持热线为参与者和HCV管理团队提供服务。参与者将按照HCV指南和保险偏好接受治疗。

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