HIV感染者及服用PrEP人群中COVID-19感染血清阳性率队列研究
该数据集来自clinicaltrials.gov，聚焦COVID-19在HIV感染者及服用恩曲他滨/替诺福韦进行暴露前预防（PrEP）人群中的感染情况
基本信息
资源简介
HIV感染者及服用PrEP人群中COVID-19感染血清阳性率队列研究
该数据集英文名为“Prevalence of COVID-19 Infection in a Cohort of Patients Infected by the HIV and Patients Taking PrEP”，来源于临床试验注册平台 clinicaltrials.gov，在本站归类于感染性疾病 / 其他类别。数据集围绕 COVID-19 与 HIV 感染的交叠情形展开，研究对象包括 HIV 阳性患者队列，以及服用恩曲他滨/替诺福韦进行暴露前预防（PrEP）的人群队列，目的在于评估这些人群中 COVID-19 感染的血清流行率。主题标签为 Covid19 与 Virus-HIV。整体来看，该数据集提供了一个针对特定免疫状态与用药背景人群的 COVID-19 感染状况研究视角，适合关注 HIV 感染者及 PrEP 使用者新冠感染情况的研究者参考使用。
【数据集背景】
该数据集所对应的研究关注 COVID-19 在特殊人群中的感染分布情况。源站列出的疾病条件包括 Covid19 与 Virus-HIV，研究目的明确为评估 HIV 阳性患者队列以及服用恩曲他滨/替诺福韦进行暴露前预防（PrEP）的患者队列中 COVID-19 感染的血清流行率。这一背景设定将新冠病毒感染与 HIV 感染、暴露前预防用药两类因素联系起来，构成该数据集的核心主题。主题标签 Covid19 与 Virus-HIV 也直接反映了这一交叉领域的研究取向。
【数据内容】
依据源站描述，该数据集涉及的研究对象为两类队列：一类是 HIV 阳性患者，另一类是服用恩曲他滨/替诺福韦进行 PrEP 的患者。研究关注的核心指标是 COVID-19 感染的血清流行率。关于数据集的具体字段构成、样本量、变量类型、记录条数等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov，即临床试验注册平台。源站描述说明了研究的疾病条件与研究目的，但关于数据采集的具体时间范围、采集地点、采集方法、随访安排等信息，源站未提供。
【适用场景】
基于现有信息，该数据集可用于了解 COVID-19 在 HIV 感染者及 PrEP 使用者人群中的感染情况这一研究主题，适合作为相关领域研究背景梳理、研究设计参考或主题检索的线索。关于更具体的适用分析场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法、数据格式说明或访问方式说明。
【质量与限制】
该数据集的信息目前主要来自源站的简要描述，涉及研究目的与疾病条件。关于数据质量评价、完整性、偏倚控制、样本代表性等具体信息，源站未提供。使用者应注意，在缺乏详细方法学与数据说明的情况下，不宜对该数据集的具体指标作出超出源站描述的推断。
【引用与许可】
源站未提供该数据集的引用格式与许可信息。
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/NCT04575545
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：Covid19、病毒-HIV。本研究旨在评估HIV阳性患者队列以及服用恩曲他滨/替诺福韦进行暴露前预防（PrEP）的患者队列中COVID-19感染的血清流行率。
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。
