面向高风险创伤暴露青少年的虚拟现实工具开发与评估
该数据集来自 clinicaltrials.gov，围绕一项面向高风险创伤暴露青少年（包括 YMSM 及患有物质使用障碍的青少年）的虚拟现实工具开发与评估研究
基本信息
资源简介
面向高风险创伤暴露青少年的虚拟现实工具开发与评估
该数据集对应的是一项在 clinicaltrials.gov 登记的临床研究，主题为面向高风险创伤暴露青少年群体的虚拟现实工具开发与评估。研究对象涵盖男男性行为青年（YMSM）以及患有物质使用障碍的青少年，研究涉及的条件包括物质使用障碍与 HIV 感染。研究设计包含三次研究访视：第一次访视完成知情同意与基线测量，约一周后第二次访视中参与者使用并评估该虚拟现实工具，再约一周后第三次访视重新实施基线评估。数据集以物质使用障碍和 HIV 感染为主题标签，在分类上归入感染性疾病 / 其他类别，可为关注该人群心理健康与行为干预技术的研究者提供研究设计与评估框架方面的参考。
【数据集背景】
该数据集来源于 clinicaltrials.gov 登记的一项研究，研究聚焦于高风险、经历创伤暴露的青少年群体，尤其是男男性行为青年以及患有物质使用障碍的青少年。这一人群在物质使用与 HIV 感染方面具有较高的健康风险，研究试图通过虚拟现实工具的开发与评估，探索面向该群体的干预或评估手段。研究涉及的条件明确包括物质使用障碍与 HIV 感染，体现了行为健康与感染性疾病风险交织的研究背景。
【数据内容】
源站描述显示，研究参与者将完成三次研究访视。第一次访视中实施知情同意并采集基线测量；第二次访视中，参与者使用并评估虚拟现实工具；第三次访视中重新实施基线评估。数据集的主题标签为物质使用障碍与 HIV 感染。除上述研究流程与主题信息外，源站未提供具体的数据字段、变量清单或样本量等细节。
【采集与来源】
该数据集来自 clinicaltrials.gov，属于临床研究登记信息。研究采用多次访视的纵向设计，基线测量在第一次与第三次访视中重复实施，中间穿插虚拟现实工具的使用与评估环节，访视间隔约为一周。源站未提供具体的采集工具、测量量表或数据采集环境等进一步信息。
【适用场景】
基于现有信息，该数据集可用于了解面向高风险创伤暴露青少年（包括 YMSM 及患有物质使用障碍的青少年）的虚拟现实工具开发与评估研究的设计思路，也可为涉及物质使用障碍与 HIV 感染风险人群的行为干预技术研究提供研究流程层面的参考。源站未提供该数据集在其他具体应用场景中的用途说明。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或分析指引。
【质量与限制】
源站未提供该数据集的质量评估信息、样本规模、数据完整性说明或已知限制。
【引用与许可】
源站未提供该数据集的引用格式或许可条款信息。
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/NCT05816083
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：物质使用障碍、HIV感染。患有物质使用障碍的YMSM和青少年参与者将完成3次研究访视。在第1次访视中，进行知情同意和基线测量。大约一周后，在第2次访视中，参与者使用并评估虚拟现实工具。大约一周后，在第3次访视中，重新进行基线评估。
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。
