每周多西环素预防降低非洲年轻女性细菌性性传播感染疗效的临床研究
该数据集来自 clinicaltrials.gov，收录一项关于每周多西环素预防降低非洲年轻女性细菌性性传播感染疗效的临床研究
基本信息
资源简介
每周多西环素预防降低非洲年轻女性细菌性性传播感染疗效的临床研究
该数据集对应一项在非洲开展的临床研究，旨在评估每周多西环素预防性用药对降低非洲年轻女性细菌性性传播感染（STI）的疗效。研究关注的感染类型包括淋病、梅毒和衣原体感染，纳入对象为可能感染性传播疾病的非洲青少年及年轻成年女性，年龄范围为13至34岁，预计纳入约580人。研究参与周期约为52周（1年），参与者按1:1比例随机分配，分别接受多西环素预防或标准治疗。该数据集收录于感染性疾病/其他分类下，来源为clinicaltrials.gov，主题标签涵盖性传播感染、淋病、梅毒和衣原体。
【数据集背景】
细菌性性传播感染在非洲年轻女性群体中构成重要的公共卫生问题。该研究针对可能感染性传播疾病的人群，探索每周多西环素预防性用药能否降低淋病、梅毒和衣原体感染的发生。研究对象限定为非洲13至34岁的青少年和年轻成年女性，计划纳入约580人。研究设计为随机对照，参与者以1:1比例分配至多西环素预防组或标准治疗组，参与周期约52周。该数据集即围绕这一临床研究形成，归入感染性疾病/其他类别，来源站为clinicaltrials.gov。
【数据内容】
数据集的主题标签包括性传播感染（STI）、淋病、梅毒和衣原体。源站描述显示，研究条件涉及性传播感染、淋病、梅毒和衣原体感染。研究纳入约580名非洲青少年和年轻成年女性，年龄13至34岁，参与时间约52周。参与者被随机按1:1比例分配接受多西环素预防或标准治疗。除上述研究设计与人群信息外，源站未提供具体的数据字段、变量列表或观测指标说明。
【采集与来源】
该数据集来源于clinicaltrials.gov，对应一项关于每周多西环素预防降低非洲年轻女性细菌性性传播感染疗效的临床研究。源站描述提供了研究条件、目标人群规模与年龄范围、参与时长以及随机分组方式等信息。关于数据采集的具体流程、随访频率、样本处理与检测方法，源站未提供。
【适用场景】
该数据集适用于了解和研究非洲年轻女性细菌性性传播感染的预防干预，尤其是每周多西环素预防与标准治疗对比的临床研究设计。可用于感染性疾病领域的背景调研、研究设计参考以及性传播感染预防策略的讨论。由于源站未提供具体数据字段与分析变量，其直接用于建模或统计分析的适用性尚不明确。
【使用方法】
源站未提供具体的数据使用方法、访问方式或分析指南。使用者需依据clinicaltrials.gov上该研究的相关记录自行判断可用信息范围。
【质量与限制】
源站未提供关于数据质量、完整性、准确性或偏倚控制的具体说明。已知限制包括：研究人群限定为非洲13至34岁女性，结果外推需谨慎；源站描述未涉及具体数据字段与检测细节。其他质量相关信息源站未提供。
【引用与许可】
源站未提供引用格式与许可条款信息。使用时应遵循clinicaltrials.gov的相关规定，具体引用与许可要求源站未提供。
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/NCT07884240
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：性传播感染（STI）、淋病、梅毒、衣原体感染。本研究针对可能感染性传播感染（STI）的人群。本研究将纳入非洲约580名13-34岁的非洲青少年和年轻成年女性。研究参与时间约为52周（1年）。参与者将按1:1比例随机接受多西环素预防或标准治疗。
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。
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。
