Lenacapavir暴露前预防用于HIV预防的实施研究
该数据集来自clinicaltrials.gov，为一项观察性研究，旨在生成lenacapavir（LEN，YEZTUGO®，YTG）在美国多样化临床环境中用于HIV暴露前预防（PrEP）的真实世界信息
基本信息
资源简介
Lenacapavir暴露前预防用于HIV预防的实施研究
该数据集对应一项名为“Implementation Study of Lenacapavir Pre-exposure Prophylaxis for HIV Prevention”的观察性研究，来源为clinicaltrials.gov，关注HIV感染相关主题。研究旨在生成lenacapavir（LEN，YEZTUGO®，YTG）在美国多样化临床环境中用于HIV暴露前预防（PrEP）的真实世界信息，刻画在常规临床实践中将LEN纳入PrEP选项后，PrEP如何启动、使用与停用，并评估LEN PrEP的持续使用情况。其主要目标是评价美国多样化临床环境中第52周时LEN PrEP的真实世界持续使用情况。本站将其归类于感染性疾病／其他类别。
【数据集背景】
该数据集所依托的研究为一项观察性研究，研究条件为HIV感染。其核心背景在于：随着lenacapavir（LEN，YEZTUGO®，YTG）作为HIV暴露前预防（PrEP）的一种新选项进入临床实践，需要了解其在美国不同临床环境中的实际使用情况。研究关注的重点不是受控试验条件下的效果，而是常规诊疗中PrEP的启动、使用和停用过程，以及使用者对LEN PrEP的持续使用情况。主要目标明确为评价美国多样化临床环境中第52周时LEN PrEP的真实世界持续使用情况。
【数据内容】
源站描述显示，该研究将刻画在常规临床实践中将LEN作为PrEP选项加入后，PrEP如何被启动、使用和停用，并评估LEN PrEP的持续使用情况。研究的主要目标为评价第52周时LEN PrEP在美国多样化临床环境中的真实世界持续使用情况。除上述研究目的与关注内容外，源站未提供关于具体变量、字段结构或数据规模的进一步说明。
【采集与来源】
该数据集来源站为clinicaltrials.gov，对应一项观察性研究，研究条件为HIV感染。研究设计为观察性研究，旨在生成真实世界信息。关于具体的采集机构、采集地点数量、采样方式与时间范围等细节，源站未提供。
【适用场景】
基于源站描述，该数据集适用于了解lenacapavir用于HIV暴露前预防在美国多样化临床环境中的真实世界使用情况，包括PrEP的启动、使用与停用模式，以及第52周时LEN PrEP的持续使用情况。其主题标签为HIV感染。其他具体适用场景，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
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/NCT07473778
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感染。这项观察性研究的目标是生成关于lenacapavir（LEN，YEZTUGO®，（YTG））在美国不同临床环境中用于暴露前预防（PrEP）的真实世界信息。该研究将描述在将LEN作为PrEP选项加入后，常规临床实践中PrEP如何启动、使用和停用，并将评估LEN PrEP的持续性。本研究的主要目标是评估在美国不同临床环境中LEN PrEP在第52周的真实世界持续性。
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。
