针对注射药物使用及使用甲基苯丙胺人群的PrEP干预
该数据集来自clinicaltrials.gov,聚焦HIV感染预防领域,主题为针对注射药物使用及使用甲基苯丙胺人群的PrEP干预

基本信息
资源简介
针对注射药物使用及使用甲基苯丙胺人群的PrEP干预
该数据集来自clinicaltrials.gov,聚焦HIV感染预防领域,主题为针对注射药物使用及使用甲基苯丙胺人群的PrEP干预。源站描述指出,美国及旧金山注射药物使用者中新增HIV感染上升,甲基苯丙胺是HIV传播的驱动因素,每日口服PrEP在坚持服用时安全高效,CDC等机构推荐注射药物使用者使用PrEP,但相关PrEP研究或示范项目极少。数据可用于了解该人群HIV风险与PrEP干预的研究背景(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:HIV感染。在美国和旧金山,注射药物使用者(PWID)中的新增HIV感染正在增加。甲基苯丙胺是HIV传播的驱动因素。在不同人群中开展的多个研究发现,甲基苯丙胺使用与HIV感染的注射和性行为风险均独立相关。注射甲基苯丙胺的男男性行为者(MSM)因注射和性行为风险而面临尤其高的HIV风险。每日口服暴露前预防(PrEP)在坚持服用时对HIV预防安全且高效。美国疾病控制中心及其他卫生机构推荐PWID使用PrEP。尽管有这一推荐且美国PrEP使用不断增加,但几乎没有任何PrEP研究或示范项目聚焦于PWID。少数已评估的研究
【主题与分类】
主题标签:HIV Infections。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04523519
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/NCT04523519
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。在美国和旧金山,注射吸毒者(PWID)中的新发HIV感染正在增加。甲基苯丙胺是HIV传播的驱动因素。在不同人群中的多项研究发现,甲基苯丙胺使用与HIV感染的注射和性风险行为均独立相关。注射甲基苯丙胺的男男性行为者(MSM)因注射和性风险行为而面临特别高的HIV风险。每日口服暴露前预防(PrEP)在持续服用时对预防HIV安全且高效。美国疾病控制中心和其他卫生机构建议PWID使用PrEP。尽管有这一建议且美国PrEP使用不断增加,但几乎没有PrEP研究或示范项目关注PWID。评估注射甲基苯丙胺的MSM中PrEP使用的少数研究显示,PrEP接受缓慢且依从性面临挑战。
PRIME研究将随机分配140名出生时被指定为男性、使用甲基苯丙胺、HIV阴性且近期有HIV性风险行为的人,接受视频直接观察治疗结合应急管理(VDOT-CM)和咨询,或仅接受咨询,为期24周。本研究的主要目的是评估VDOT-CM是否有助于出生时被指定为男性且使用甲基苯丙胺的人坚持每日使用PrEP以预防HIV。参与者将为出生时被指定为男性、年龄18岁或以上、在过去30天内使用过甲基苯丙胺、HIV阴性且有兴趣开始PrEP,并报告在过去12个月内有无套性行为且性伴侣血清状态未知或不一致。参与者也可能是近期在外部提供者处开始PrEP的个体。所有受试者将完成以下研究访视:筛选、入组、入组后第6、12和18周的随访访视,以及第24周的最终随访访视。在筛选、入组和所有随访访视时
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。




