IBIS Megastudy 试点研究
源站描述指出，HIV 重检测对早期发现感染、促进个体健康以及通过及时治疗已识别病例来防止感染进一步传播至关重要。该试点研究旨在识别能够鼓励 15 岁及以上 HIV 感染高风险人群进行重检测的方法，并将对 11 个干预原型在可接受性、反馈和实施结局方面进行试点，为后续更大规模的 Megastudy 主
基本信息
资源简介
IBIS Megastudy 试点研究
IBIS Megastudy- Pilot 是一项以 HIV 重检测为切入点的干预试点研究数据集，归类于感染性疾病领域。HIV 重检测对于尽早识别感染、维护个体健康以及通过及时治疗已识别病例来阻断感染进一步传播具有关键意义。该试点研究的目标是识别能够鼓励 15 岁及以上 HIV 感染高风险人群接受重检测的有效方法，并在进入更大规模的 Megastudy 主试验之前，对 11 个干预原型在可接受性、反馈与实施结局方面进行先行试点。数据集依托 clinicaltrials.gov 来源站登记的研究信息形成，主题聚焦于 HIV，可为关注高风险人群检测促进策略的研究者提供试点阶段的参考框架。
【数据集背景】
HIV 重检测是确保尽早发现感染的重要手段。及时识别感染者不仅有助于改善个体健康结局，也能通过及时治疗已识别病例来减少感染的继续传播。然而，如何有效鼓励 15 岁及以上、处于 HIV 感染高风险状态的人群主动进行重检测，仍是一个需要实证探索的问题。IBIS Megastudy- Pilot 正是在这一背景下设计的试点试验，其定位是为后续更大规模的 Megastudy 主试验铺路，先行检验多种干预思路的可行性。按照研究设计，主试验将作为单独的 clinicaltrials.gov 记录另行提交，因此本试点数据集的关注范围限定在试点阶段。
【数据内容】
该试点研究围绕 11 个干预原型展开，重点考察这些原型在可接受性、反馈以及实施结局方面的表现。研究对象为 15 岁及以上、HIV 感染高风险的人群。数据所覆盖的具体变量、测量工具、样本量、随访时长与结局指标定义等细节，源站未提供。
【采集与来源】
数据集信息来源于 clinicaltrials.gov 登记的研究记录，研究条件为 HIV。数据采集的具体地点、时间范围、招募方式、样本招募进度以及数据收集流程等，源站未提供。
【适用场景】
该数据集适用于关注 HIV 高风险人群重检测促进策略的研究与实践场景，例如干预原型的早期可行性评估、可接受性与实施结局的初步比较，以及为大规模 Megastudy 主试验筛选和优化干预方案提供试点依据。此外，也可为感染性疾病检测促进领域的试点研究设计提供参考。具体适用条件的边界，源站未提供。
【使用方法】
源站未提供该数据集的使用方法说明，包括数据获取途径、文件格式、变量编码、分析指引与配套文档等。
【质量与限制】
作为一项试点研究，其规模与范围以检验 11 个干预原型的可接受性、反馈与实施结局为目标，结果定位于为后续主试验提供依据，而非直接推广的结论。数据质量评估信息、偏倚控制措施、样本代表性以及缺失数据处理方式等，源站未提供。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT06785103
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。HIV复检对于确保疾病的早期识别至关重要，这有助于促进个体健康，并通过及时治疗已确诊者来防止感染进一步传播。拟议研究旨在确定能够鼓励15岁及以上HIV感染高风险个体进行复检的方法。本IBIS Megastudy试点试验将针对11种干预原型进行试点，评估其可接受性、反馈及实施结果，之后将这些干预措施用于更大规模的Megastudy试验（主试验将作为单独的CT.gov记录提交）。
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。
