非洲移民的迁移、社会纽带、跨国主义与HIV预防路径研究
该数据集来自 clinicaltrials.gov,聚焦美国非洲移民的 HIV 预防研究。源站描述指出,非洲移民在美国新发 HIV 诊断中所占比例与其人口规模不成比例,但该群体在 HIV 预防研究中代表性不足;现有预防策略很少涉及塑造预防参与的关系与结构背景

基本信息
资源简介
非洲移民的迁移、社会纽带、跨国主义与HIV预防路径研究
该数据集来自 clinicaltrials.gov,聚焦美国非洲移民的 HIV 预防研究。源站描述指出,非洲移民在美国新发 HIV 诊断中所占比例与其人口规模不成比例,但该群体在 HIV 预防研究中代表性不足;现有预防策略很少涉及塑造预防参与的关系与结构背景。亲密伴侣关系、家庭系统和同族裔社交网络是协商 HIV 风险感知、披露和预防决策的关键机制,而迁移通过改变信任动态、沟通规范、家庭决策权和跨国义务重组这些关系结构。该研究旨在生成基础性机制证据,可用于理解移民情境下的 HIV 预防路径(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:HIV 预防、HIV 检测、性健康与生殖健康。美国非洲移民在新发 HIV 诊断中所占比例与其人口规模不成比例,但该群体在 HIV 预防研究中仍然代表性不足。现有预防策略很少涉及塑造该人群预防参与的关系与结构背景。关系,包括亲密伴侣关系、家庭系统和同族裔社交网络,是协商 HIV 风险感知、披露和预防决策的关键机制。迁移通过改变信任动态、沟通规范、家庭决策权和跨国义务,以尚未被充分理解的方式重组这些关系结构。拟议研究通过生成基础性、机制性……来填补这一空白。
【主题与分类】
主题标签:HIV Prevention、HIV Testing、Sexual and Reproductive Health。本站分类:感染/艾滋病毒/艾滋病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07565584
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/NCT07565584
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预防、HIV检测、性与生殖健康。相对于其人口规模,美国的非洲移民在新增HIV诊断中所占比例过高,但该群体在HIV预防研究中仍然代表性不足。现有预防策略很少涉及塑造该人群预防参与的关系与结构背景。关系,包括亲密伴侣关系、家庭系统和同族裔社交网络,是HIV风险感知、披露和预防决策得以协商的关键机制。迁移通过改变信任动态、沟通规范、家庭决策权威和跨国义务等方式重组这些关系结构,而这些方式尚未被充分理解。拟议研究通过生成关于迁移所塑造的关系背景如何影响美国非洲移民参与HIV检测、HIV自检和PrEP的基础性、以机制为重点的证据,来填补这一空白。
本研究以关系-社会生态框架为指导,该框架将关系定位为连接HIV预防行为的个体、人际和结构性决定因素的核心机制。在该框架内,迁移不被视为直接的风险因素,而是被视为一种结构性力量,它重塑了预防决策所发生的关系情境。分离、团聚和跨国生活等过程改变了亲密关系、信任和沟通,而跨境经济义务和密集的同族网络则强化了谨慎与体面的规范,这些规范可能抑制预防参与。该框架建立在首席研究员先前开展的定性和社区参与式研究基础之上,包括PCORI支持的由非洲移民主导的议程设定工作,该工作确定了关系、信任和沟通是该社区HIV预防中核心但尚未得到充分关注的驱动因素。本研究采用三阶段序贯
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。




