增强组织社会情境以改善HIV护理中的病毒抑制与留存
该数据集来自clinicaltrials.gov,聚焦HIV/AIDS条件下组织社会情境(OSC)对HIV护理结局的影响

基本信息
资源简介
增强组织社会情境以改善HIV护理中的病毒抑制与留存
该数据集来自clinicaltrials.gov,聚焦HIV/AIDS条件下组织社会情境(OSC)对HIV护理结局的影响。源站描述指出,尽管抗逆转录病毒治疗广泛使用,HIV疫情仍不成比例地影响少数种族和族裔人群,Black/African American人群占美国人口13%却占新诊断41%,且HIV护理留存和病毒抑制率最低。结构性种族主义和歧视可能加剧HIV结局的种族差异,而门诊环境中组织内SRD对HIV结局影响的数据有限。该数据可用于研究组织社会情境与HIV护理留存、病毒抑制之间的关联(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:HIV/AIDS。尽管有效抗逆转录病毒治疗(ART)广泛使用,HIV疫情仍继续不成比例地影响种族和族裔少数人群。虽然Black/African American人群占美国人口的13%,但他们占新HIV诊断的41%,并且与其他种族/族裔群体相比,经历最低的HIV护理留存率和病毒抑制(VS)率。结构性种族主义和歧视(SRD)可能促成HIV结局的种族差异。尽管门诊环境是HIV感染者(PLWH)护理提供的重要方面,但关于组织内SRD对HIV结局影响的数据有限。需要纵向参与HIV护理以维持持续VS并减少HIV的社区传播。组织社会情境(OSC)包括组织
【主题与分类】
主题标签:HIV/AIDS。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06462807
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/NCT06462807
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/艾滋病。尽管有效抗逆转录病毒治疗(ART)已广泛使用,HIV疫情仍对种族和族裔少数群体造成不成比例的影响。黑人/非裔美国人仅占美国人口的13%,却占新发HIV诊断的41%,且与其他种族/族裔群体相比,其在HIV照护中的留存率和病毒抑制(VS)率最低。结构性种族主义和歧视(SRD)可能导致了HIV结局中的种族差异。尽管门诊环境是HIV感染者(PLWH)照护提供中至关重要的方面,但关于组织内部SRD对HIV结局影响的数据有限。需要长期参与HIV照护以维持持续VS并减少HIV的社区传播。组织社会背景(OSC)包括组织文化(驱动照护质量的组织规范和价值观)、组织氛围(对文化的感知及其如何影响个人福祉)以及工作人员的态度。
我们将采用随机对照试验(RCT),实施ARC(可及性、响应性、连续性)以改善组织行为并减少PLWH(HIV感染者)在HIV结局方面的种族差异。ARC是一种基于证据的干预措施,采用三种策略(ARC原则、ARC组件工具和ARC心智模型)来创建OSCs,以支持实施改善患者结局的干预措施。诊所将被随机分配至ARC组(n=2)或标准护理组(SOC;n=2)。被分配至ARC组的诊所将处理发生在组织层面、影响护理的SRD,包括PLWH的转诊和治疗模式。在实施前阶段之后,将进行为期36个月的ARC及ARC相关实施策略,随后是为期12个月的实施后阶段,在此期间我们将继续测量两组的HIV结局。我们将比较HIV结局,即病毒抑制(VS)和护理留存,以及中间
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。




