出生队列评估推进丙型肝炎筛查与检测

数据集获取

源站：https://clinicaltrials.gov/study/NCT02123212

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

研究条件：丙型肝炎、慢性丙型肝炎。丙型肝炎出生队列评估以推进筛查与检测（BEST-C）项目旨在比较出生队列HCV筛查策略与当前基于风险的HCV筛查方法在初级保健系统中发现既往未被识别的病毒性丙型肝炎患者方面的有效性。BEST-C资助的研究站点采用实验设计，在初级保健患者的临床样本中实施出生队列检测，以比较出生队列检测对病例组与对照组样本检测率及已识别患病率的影响。此外还将收集更多数据，以评估检测阳性者的关怀衔接情况、可行性、医务人员对新策略的接受度、成本效益以及患者影响。各站点采用三种模式来衡量变革的净效应：一个站点使用研究协调员主动筛查和招募符合出生队列筛查纳入标准的患者。研究协调员驻守在两家内科诊所，亲自接触符合条件的参与者。

对照组来自另外两家内科诊所，这两家诊所采用基于风险的策略进行筛查。研究采用整群随机交叉设计，使干预诊所和对照诊所在数据收集的中点进行交换，从而让所有四家诊所都参与研究的两个阶段。第二个研究站点通过邮件直接与患者沟通。邮件内容包括丙型肝炎病毒（HCV）指南、筛查的重要性、化验单以及患者可自行前往的地点。该站点对过去使用过该医疗系统、符合出生队列成员定义（1945年至1965年出生）且既往丙型肝炎检测未呈阳性的患者采用简单随机化。患者最多收到5次邮寄材料，其中包括预付费的化验登记表，并被告知将其带到附属

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。