HIV原发性和继发性耐药突变作为ART失败风险因素,含两种药物方案
该数据集来自clinicaltrials.gov,聚焦HIV-1感染者中原发性与继发性耐药突变(DRM)作为抗逆转录病毒治疗(ART)失败的风险因素,特别关注包含两种药物的治疗方案,如长效注射疗法(LAI ART)和暴露前预防(PreP)方案

基本信息
资源简介
HIV原发性和继发性耐药突变作为ART失败风险因素,含两种药物方案
该数据集来自clinicaltrials.gov,聚焦HIV-1感染者中原发性与继发性耐药突变(DRM)作为抗逆转录病毒治疗(ART)失败的风险因素,特别关注包含两种药物的治疗方案,如长效注射疗法(LAI ART)和暴露前预防(PreP)方案。数据覆盖HIV-1感染、DRM、DRM基因突变及ART等主题,可用于分析耐药突变对病毒学抑制失败的影响,评估不同治疗方案的耐药风险,为HIV治疗策略和耐药监测研究提供数据支持(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:HIV-1感染、DRM、DRM基因突变、ART。引言:HIV中耐药突变(DRM)的存在对ART疗效具有重要影响。尽管ART效果很好,但HIV毒株出现DRM的担忧持续存在,这可能导致病毒学抑制失败。原发性HIV DRM发生于既往未接受ART治疗的PLWH。这些人开始治疗时遗传屏障较低、病毒学失败风险较高、对其他药物产生耐药的风险较高,可能导致进展为AIDS。在接受两种药物方案治疗的患者中担忧尤为突出,包括注射长效疗法(LAI ART)或用于暴露前预防(PreP)的方案。全球报道的主要HIV-1 DRM患病率范围为5%至25%,而在辅助(多
【主题与分类】
主题标签:HIV-1-infection、DRM、DRM Gene Mutation、ART。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06661317
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/NCT06661317
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-1感染、DRM、DRM基因突变、ART。引言 HIV中的耐药突变(DRMs)对ART疗效具有重要影响。尽管ART取得了非常好的效果,但人们始终担忧出现携带DRMs的HIV毒株,这可能导致病毒学抑制失败。原发性HIV DRMs发生于既往未接受过ART治疗的PLWH。这些患者开始治疗时遗传屏障较低,病毒学失败风险较高,且对其他药物产生耐药的风险较高,这可能进展为AIDS。这种担忧在采用双药方案治疗的患者中尤为突出,包括注射用长效疗法(LAI ART)或用于暴露前预防(PreP)的方案。全球报道的主要HIV-1 DRMs患病率为5%至25%,而辅助性(多态性)DRMs的患病率甚至高达50%。据报道,在高收入国家,携带获得性DRMs的序列患病率正在下降,但传播性耐药所占比例相较获得性DRMs比例明显上升,甚至达到所有DRMs病例的70%。
研究目的 ART的选择基于有关HIV耐药突变存在的流行病学数据,以及基于治疗开始或更换前评估的HIV基因型检测结果。ART启动前存在DRMs可能是病毒学抑制不足的风险因素,因为HIV种群仍在进化(由于复制过程中的错误而发生变化)。同样,不充分的抗逆转录病毒治疗可能推动病毒种群首先经历较低的适应度水平,然后达到较高的适应度水平。由于HIV耐药模式不断变化(新突变的出现)以及新药引入治疗,包括作为LAI ART的双药方案,我们决定开展一项研究,以确定DRMs的类型和频率(包括
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。




