非洲女性开放标签PrEP使用与偏好评估队列
该数据集来自clinicaltrials.gov，聚焦非洲女性中开放标签PrEP使用与偏好评估。数据覆盖HIV感染状况、PrEP启动特征、年轻女性对长效PrEP制剂属性的偏好以及患者端PrEP决策支持工具的可接受性
基本信息
资源简介
非洲女性开放标签PrEP使用与偏好评估队列
该数据集英文名为 A Cohort for Evaluation of Open-label PrEP Use and PreP Preferences Among African Women，来源于 clinicaltrials.gov，主题聚焦 HIV 感染。其核心内容是围绕非洲女性群体，评估开放标签暴露前预防（PrEP）的实际使用情况与偏好特征。数据集覆盖 HIV 感染状况、PrEP 启动者与未启动者的特征比较、年轻女性对长效 PrEP 制剂属性的偏好，以及患者端 PrEP 决策支持工具的可接受性等方面。整体上，该数据集服务于 HIV 预防干预研究，尤其是针对非洲女性这一重点人群的 PrEP 推广与决策支持研究，为理解开放标签 PrEP 使用行为与偏好提供数据基础。
【数据集背景】
该数据集对应的研究以 HIV 感染为关注条件，主要目标包括多个方面：利用近期感染检测（recency testing）对因 HIV 感染而在筛查阶段被排除的女性样本估计 HIV 发病率，同时在前瞻性队列中评估 HIV 发病率；评估启动 PrEP 的女性与未启动 PrEP 的女性之间的特征差异；通过离散选择实验评估年轻女性对长效 PrEP 制剂属性的偏好；评估面向患者的 PrEP 决策支持工具的可接受性，以帮助年轻女性在 PrEP 选项上做出更为知情的决策。这些目标共同构成了该数据集的研究背景与设计出发点。
【数据内容】
数据集覆盖的内容与上述研究目标相对应，主要包括：HIV 感染状况相关数据，用于支持基于近期感染检测的发病率估计以及前瞻性发病率评估；PrEP 启动情况及相关特征数据，用于比较启动与未启动 PrEP 的女性特征；年轻女性对长效 PrEP 制剂属性的偏好数据，来源于离散选择实验；以及患者端 PrEP 决策支持工具可接受性相关数据。主题标签为 HIV 感染。更细粒度的变量清单、样本量、随访时长等具体内容，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述显示其研究条件为 HIV 感染，研究围绕非洲女性中开放标签 PrEP 使用与偏好评估展开。数据采集的具体地点、时间范围、采样与随访流程等细节，源站未提供。
【适用场景】
基于现有信息，该数据集适用于 HIV 预防相关研究，尤其是非洲女性人群中开放标签 PrEP 使用行为、PrEP 启动特征、长效 PrEP 制剂偏好以及 PrEP 决策支持工具可接受性等方向的分析与评估。也可用于支持 HIV 发病率估计方法（如近期感染检测）相关的研究讨论。其他具体应用场景，源站未提供。
【使用方法】
源站未提供具体的数据使用说明、访问方式或分析指南。
【质量与限制】
源站未提供关于数据质量、样本代表性、缺失情况或使用限制的说明。
【引用与许可】
源站未提供引用格式与许可信息。
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/NCT05746065
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感染。主要目标：* 利用近期感染检测技术，对因HIV感染而在筛查中被排除的女性样本估算HIV发病率，并在队列中前瞻性评估HIV发病率。* 评估启动PrEP的女性与未启动PrEP的女性相比的特征。* 通过离散选择实验，评估年轻女性对长效PrEP制剂属性的偏好。* 评估面向患者的PrEP决策支持工具的可接受性，该工具旨在为年轻女性提供关于PrEP选项的更知情选择。
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。
