连接青年与暴露前预防(PrEP)服务
该数据集来自 clinicaltrials.gov,围绕 LYPS 干预评估青年人群 HIV 暴露前预防(PrEP)服务衔接效果

基本信息
资源简介
连接青年与暴露前预防(PrEP)服务
该数据集来自 clinicaltrials.gov,围绕 LYPS 干预评估青年人群 HIV 暴露前预防(PrEP)服务衔接效果。LYPS 为双臂随机对照试验,计划按 1:1 随机分配最多 272 名参与者,分别接受 LYPS 干预或增强标准照护(eSOC),每臂 136 人。参与者在入组及第 12、24、36 周完成四次研究评估,包括计算机辅助自访(CASI)和采血,采集人口学、PrEP 依从性与持续性、门诊就诊、知识态度、自我效能、污名及心理社会变量等信息,可用于 PrEP 依从性与服务利用相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:HIV、PrEP、PrEP 依从性。LYPS 是一项双臂随机对照试验(RCT),用于评估 LYPS 干预的效果。最多 272 名参与者将按 1:1 比例随机分配接受 LYPS 干预或增强标准照护(eSOC)(每臂 136 名参与者)。eSOC 对照条件将包括常规的诊所 PrEP 照护以及访问有限数量的 LYPS 应用组件。参与者将在入组时以及第 12、24 和 36 周完成四次研究评估,包括计算机辅助自访(CASI)和采血。CASI 将收集包括但不限于人口学、PrEP 依从性和持续性、PrEP 诊所就诊情况、PrEP 知识和态度、PrEP 自我效能、PrEP 污名以及心理社会变量的信息,评估 LYPS 干预组件的问题,针对
【主题与分类】
主题标签:HIV、PrEP、PrEP Adherence。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07438041
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/NCT07438041
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、PrEP、PrEP依从性。LYPS是一项双臂随机对照试验(RCT),旨在评估LYPS干预措施的有效性。最多272名参与者将按1:1比例随机分配接受LYPS干预或强化标准护理(eSOC)(每组136名参与者)。eSOC对照条件将包括常规的诊所PrEP护理以及访问有限数量的LYPS应用程序组件。参与者将完成四次研究评估,分别在入组时以及第12周、第24周和第36周进行,评估内容包括计算机辅助自访(CASI)和血液采集。CASI将收集包括但不限于人口统计学信息、PrEP依从性和持续性、PrEP诊所就诊情况、PrEP知识和态度、PrEP自我效能、PrEP污名化以及心理社会变量等在内的信息,以及评估LYPS干预措施组成部分的问题,这些问题针对干预组和eSOC条件分别定制。将采集血液(干血斑[DBS]和血浆)以评估PrEP药物浓度,并储存用于其他研究相关检测。
所有参与者将根据其意愿并与PrEP提供者协商后,接受每日口服PrEP、采用2-1-1服药策略的口服PrEP或注射型PrEP。PrEP的提供不涉及随机化,参与者在研究期间可以在口服PrEP与注射型PrEP之间相互转换。PrEP随访访视(口服PrEP者每季度一次;注射型PrEP者先每两个月注射一次,之后每两个月注射一次)将包括临床实验室检查,如HIV和性传播感染检测,以及针对HIV感染体征和症状的重点体格检查。作为参与者PrEP临床护理的一部分所收集的其他相关临床数据也将一并采集。
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。




