多中心艾滋病队列研究（MACS）
研究提供 HIV 介导疾病进展变化特征、抗逆转录病毒治疗影响、HIV 发病机制以及病毒与宿主遗传因素的重要信息，并评估治疗使用与风险行为的长期模式
基本信息
资源简介
多中心艾滋病队列研究（MACS）
Multicenter AIDS Cohort Study（MACS）是一项以 HIV 感染为研究条件的多中心队列研究，其关注点覆盖 HIV 介导疾病进展的变化特征、抗逆转录病毒治疗所带来的影响、HIV 发病机制，以及病毒与宿主遗传因素等方面。该研究同时评估治疗使用模式和风险行为在长期随访中的表现。研究安排受试者每 6 个月进行一次访视，访视内容包括访谈、标本采集和体格检查。这些设计使该研究能够围绕 HIV 感染的自然史与治疗相关结局持续积累信息，为理解感染性疾病在长期过程中的变化提供观察基础。本站将其归入感染性疾病 / 其他分类，主题标签为 HIV Infections，来源站为 clinicaltrials.gov。
【数据集背景】
该数据集对应的研究以 HIV 感染为条件，旨在提供关于 HIV 介导疾病进展变化特征的重要信息，并关注抗逆转录病毒治疗的影响、HIV 发病机制的性质以及病毒和宿主遗传因素的作用。研究还着眼于评估治疗使用与风险行为的长期模式。从这些研究目标可以看出，该队列研究并非局限于单一时间点的观察，而是围绕感染后的疾病演变、治疗介入以及宿主与病毒两方面因素展开持续追踪，因而具有纵向研究的背景特征。
【数据内容】
依据源站描述，该研究涉及的信息范围包括 HIV 感染相关疾病进展的变化特征、抗逆转录病毒治疗的影响、HIV 发病机制，以及病毒与宿主遗传因素。研究还评估治疗使用和风险行为的长期模式。受试者的研究访视每 6 个月进行一次，访视中包括访谈、标本采集和体格检查。上述内容构成了该研究在随访中反复获取信息的基本框架。除这些已说明的内容外，源站未提供更细化的数据字段、变量清单或具体测量指标。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。研究通过每 6 个月一次的研究访视采集信息，访视形式包括访谈、标本采集和体格检查。研究条件为 HIV 感染。关于采集所用的具体问卷、标本类型、检测方法以及各访视点的详细流程，源站未提供。
【适用场景】
基于源站描述，该研究可用于了解 HIV 介导疾病进展的变化特征、抗逆转录病毒治疗的影响、HIV 发病机制以及病毒与宿主遗传因素，也可用于考察治疗使用与风险行为的长期模式。其每 6 个月访视的纵向安排，适合需要观察感染性疾病长期演变与治疗相关表现的研究情境。关于该数据集在其他具体分析场景中的适用性，源站未提供。
【使用方法】
源站描述仅说明受试者每 6 个月接受一次研究访视，访视包括访谈、标本采集和体格检查。关于数据获取方式、访问权限、分析流程或配套文档，源站未提供。
【质量与限制】
源站未提供关于数据质量、样本规模、随访时长、缺失情况或已知局限的说明。该研究以 HIV 感染为条件，其研究范围与设计特征已在源站描述中给出，除此之外的质量与限制信息源站未提供。
【引用与许可】
源站未提供引用格式与许可条款相关信息。
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/NCT00046280
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。多中心艾滋病队列研究（MACS）提供了关于HIV介导疾病进展变化性质、抗逆转录病毒治疗影响、HIV发病机制本质以及病毒和宿主遗传因素的重要信息。本研究还将评估治疗使用和风险行为的长期模式。患者将每6个月进行一次研究访视。访视将包括访谈、标本采集和体格检查。
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。
