提升沟通以促进关系维护、安全受孕与PrEP以推动乌干达HIV检测
该数据集来自clinicaltrials.gov,聚焦乌干达HIV检测促进问题,涉及HIV、产前保健、抗逆转录病毒治疗与暴露前预防(PrEP)

基本信息
资源简介
提升沟通以促进关系维护、安全受孕与PrEP以推动乌干达HIV检测
该数据集来自clinicaltrials.gov,聚焦乌干达HIV检测促进问题,涉及HIV、产前保健、抗逆转录病毒治疗与暴露前预防(PrEP)。源站描述指出,撒哈拉以南非洲实现95-95-95目标需优化HIV检测 uptake,而婚姻或同居伴侣间新增感染占30%,生育价值高且对关系破裂和失去生育能力的恐惧是检测障碍,PrEP的普及为通过战略沟通缓解这些恐惧提供了机会。数据可用于研究沟通干预对HIV检测、关系维护与安全受孕的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:HIV、产前保健、抗逆转录病毒治疗、暴露前预防。优化HIV检测的 uptake 对于在撒哈拉以南非洲实现95-95-95目标至关重要。由于30%的新感染发生在已婚或同居伴侣中,最大化那些目前或未来可能处于严肃异性关系中的个体的检测已被确定为遏制该流行病最具成本效益的策略之一。生育在整个撒哈拉以南非洲受到高度重视,而对关系破裂和失去生育能力的恐惧仍然是HIV检测的重大障碍。暴露前预防(PrEP)可及性的扩大提供了一个机会,通过战略沟通(NOT-MH-21-105)来 counter 这些恐惧,向伴侣保证即使一方或双方HIV阳性,他们也有能力拥有健康的家庭。我们的长期
【主题与分类】
主题标签:HIV、Antenatal Care、Antiretroviral Therapy、Pre-Exposure Prophylaxis。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06647797
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/NCT06647797
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、产前保健、抗逆转录病毒治疗、暴露前预防。优化HIV检测的接受率对于撒哈拉以南非洲实现95-95-95目标至关重要。由于30%的新感染发生在已婚或同居伴侣之间,最大限度地提高目前或未来可能处于严肃异性恋关系中的个体检测率,已被确定为遏制该流行病最具成本效益的策略之一。在整个撒哈拉以南非洲,生育受到高度重视,而对关系破裂和丧失生育能力的恐惧仍然是HIV检测的重大障碍。暴露前预防(PrEP)的可及性不断扩大,提供了一个机会,通过策略性沟通(NOT-MH-21-105)来消除这些恐惧,向伴侣们保证即使一方或双方HIV阳性,他们仍能拥有健康的家庭。我们的长期目标是利用PrEP日益增长的可及性,确定一种聚焦于关系维系和安全受孕的沟通策略是否以及如何能够提高乌干达有伴侣个体的检测率及其进入治疗(抗逆转录病毒治疗)或预防(PrEP)的比例。
我们近期在乌干达的协助伴侣通知项目(APN)中成功试点了这一沟通策略。在本R34项目中,我们将:(1) 开展形成性研究,将该沟通策略扩展为具有更广泛覆盖面的多组分干预措施;(2) 对该干预措施“PrEPing Healthy Families”开展试点试验。为实现目标1,我们将与由服务提供者组成的社区咨询委员会(CAB)合作,a) 针对APN和产前保健(ANC)中各类伴侣检测路径的客户和伴侣,制作量身定制的沟通材料(手册、脚本)和咨询方案。在开发阶段,CAB服务提供者与客户和伴侣试点材料及追踪系统时,研究人员将开展实地观察和定性访谈,重点关注可行性和可接受性,为修订干预材料提供依据
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。




