HIV感染儿童前瞻性队列
该数据集源自clinicaltrials.gov登记的一项前瞻性队列研究，研究对象为HIV感染儿童，研究自2002年启动并持续开展长期随访
基本信息
资源简介
HIV感染儿童前瞻性队列
A Prospective Cohort of Children With HIV Infection 是一项以HIV感染儿童为对象的前瞻性队列研究数据集，登记来源为 clinicaltrials.gov，在分类上归属于感染性疾病领域的其他类。该研究自2002年启动，是一项持续开展的长期队列研究，目前已有120名儿童入组，并按照泰国公共卫生部制定的标准实践接受HIV相关医疗照护；同时，感染HIV的家长也在同一诊所接受照护。数据集以HIV感染为核心主题标签，整体定位是围绕儿童HIV感染人群的长期随访观察，为相关临床与流行病学研究提供队列层面的数据基础。
【数据集背景】
该数据集对应的研究是一项前瞻性队列研究，启动时间为2002年，属于长期持续开展的队列观察。研究聚焦于HIV感染儿童这一特定人群，研究场景与泰国公共卫生部设定的标准诊疗实践相结合，入组儿童按该标准接受HIV照护。研究同时覆盖感染HIV的家长，他（她）们与儿童在同一诊所接受医疗照护，这一安排使队列在家庭层面具有连续性。数据集的来源站为 clinicaltrials.gov，说明其研究方案与登记信息可通过该临床试验登记平台获取。
【数据内容】
数据集的主题标签为HIV感染，研究对象为HIV感染儿童。现有信息表明，当前有120名儿童入组该研究并接受标准实践下的HIV照护。关于具体的变量字段、随访时间点、实验室检测指标、临床结局定义以及数据记录格式等内容，源站未提供。
【采集与来源】
数据来源于 clinicaltrials.gov 登记的一项前瞻性队列研究，研究自2002年启动并持续进行长期随访。入组儿童按照泰国公共卫生部制定的标准实践接受HIV照护，感染HIV的家长在同一诊所接受照护。关于具体的采集流程、随访频率、数据管理方式与质量控制措施，源站未提供。
【适用场景】
基于现有信息，该数据集适用于与儿童HIV感染相关的长期队列研究场景，例如围绕HIV感染儿童人群的随访观察、临床照护模式研究，以及结合家庭层面（感染HIV的家长同诊所接受照护）的队列分析。关于该数据集在其他具体研究用途上的适用性，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取途径、访问权限、数据结构说明及分析建议等。
【质量与限制】
该数据集为前瞻性长期队列研究，自2002年启动并持续开展，当前入组儿童数量为120名，研究按泰国公共卫生部标准实践实施照护。关于样本代表性、数据完整性、缺失情况、偏倚控制及外部推广性等质量与限制方面的具体信息，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可条款信息。
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/NCT00476606
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。这是一项始于2002年的长期队列研究。目前，已有120名儿童加入该研究，并按照泰国公共卫生部设定的标准实践接受HIV护理。感染HIV的父母也在同一诊所接受护理。
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。
