应对HCV相关流行病
该数据集来自clinicaltrials.gov，聚焦HIV、乙型肝炎病毒（HBV）与丙型肝炎病毒（HCV）相关感染性疾病
基本信息
资源简介
应对HCV相关流行病
Combating Related Epidemics in HCV 是一个登记于 clinicaltrials.gov 的临床试验数据集，聚焦 HIV（人类免疫缺陷病毒）、乙型肝炎病毒（HBV）与丙型肝炎病毒（HCV）相关感染性疾病。该数据集在本站归入感染性疾病 / 其他分类，主题标签同样覆盖上述三种病毒。其核心内容围绕一项双臂整群随机对照试验展开，用于评估单次就诊即时检测（point-of-care，POC）与治疗组合方案（干预臂）相对于现行标准治疗（standard-of-care，SOC，对照臂）的效果，随机化以站点为单位按 1:1 比例进行。该数据集适合关注 HIV、HBV、HCV 合并感染防控、即时检测策略与整群随机试验设计的研究者参考使用。
【数据集背景】
该数据集所对应的研究关注 HIV、乙型肝炎病毒（HBV）与丙型肝炎病毒（HCV）三类相关感染性疾病的防控。源站描述显示，研究设计为一项双臂整群随机对照试验，目的是评价单次就诊即时检测与治疗组合方案（干预臂）相较于现行标准治疗（对照臂）的效果。试验采用站点层面的 1:1 随机化，即随机分配发生在站点层级而非个体层级。这一背景信息表明，该数据集的主题落在感染性疾病领域，并与多种病毒感染的检测与治疗路径优化相关。
【数据内容】
依据源站描述，该数据集涉及的条件包括 HIV - Human Immunodeficiency Virus、Hepatitis B Virus (HBV) 与 HEPATITIS C (HCV)。研究内容围绕干预臂与对照臂的对比展开：干预臂接受单次就诊即时检测与治疗组合方案，对照臂接受现行标准治疗。随机化在站点层面按 1:1 进行。除上述研究设计与条件信息外，源站未提供关于具体变量、样本量、随访时长或结局指标的数据内容说明。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述提供了研究条件、试验设计类型、干预与对照设置以及随机化方式等信息。关于数据采集的具体流程、采集时间范围、采集地点分布等细节，源站未提供。
【适用场景】
该数据集可用于了解以站点为单位的整群随机对照试验在 HIV、HBV、HCV 相关感染性疾病防控中的设计思路，也可作为即时检测与治疗组合方案对比现行标准治疗的证据参考。适用人群包括关注感染性疾病检测策略、治疗路径优化以及整群随机试验方法的研究者与相关从业者。具体应用场景的边界，源站未提供进一步说明。
【使用方法】
源站描述仅说明该研究为双臂整群随机对照试验、站点层面 1:1 随机化，并对比干预臂与对照臂。关于数据的具体获取方式、字段结构、分析口径与使用步骤，源站未提供。
【质量与限制】
该数据集的信息来自 clinicaltrials.gov 的登记描述，源站未提供关于数据质量评估、完整性核验或已知偏倚的具体说明。由于随机化在站点层面进行，研究设计与分析需考虑整群效应，但源站未就此给出进一步的方法学细节。其他质量与限制相关信息，源站未提供。
【引用与许可】
该数据集来源于 clinicaltrials.gov。关于引用格式、许可条款与使用限制，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/NCT07560046
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——人类免疫缺陷病毒，乙型肝炎病毒（HBV），丙型肝炎（HCV）。这是一项双臂整群随机对照试验，旨在评估单次就诊即时检测（POC）与治疗组合方案（干预组）相较于当前标准治疗（SOC，对照组）的有效性。按1：1的比例在站点层面进行随机分组。
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。
