肯尼亚沿海MSM HIV-1疫苗可行性队列中PrEP资格与接受度评估的复制数据
该数据集来自肯尼亚沿海Mtwapa镇一项针对男男性行为者(MSM)的HIV-1疫苗可行性队列研究,包含问卷数据表格以及空白问卷、自我风险评估表和PrEP资格评分表等补充材料

基本信息
资源简介
肯尼亚沿海MSM HIV-1疫苗可行性队列中PrEP资格与接受度评估的复制数据
Replication Data for: Assessment of PrEP eligibility and uptake among at-risk MSM participating in a HIV-1 vaccine feasibility cohort in coastal Kenya
该数据集来自肯尼亚沿海Mtwapa镇一项针对男男性行为者(MSM)的HIV-1疫苗可行性队列研究,包含问卷数据表格以及空白问卷、自我风险评估表和PrEP资格评分表等补充材料。研究评估肯尼亚卫生部标准预测HIV-1感染的表现、队列成员依据卫生部标准或作者开发的队列衍生HIV-1风险评分(CDHRS)获得暴露前预防(PrEP)的资格,以及识别与合格MSM接受PrEP相关的因素。参与者由10-15名受训同伴动员者招募,资格基于年龄18-49岁及HIV-1阴性等条件。数据可用于分析PrEP资格判定与接受度(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含一个含问卷数据的电子表格,以及补充材料,包括空白问卷表、自我风险评估表和PrEP资格评分表。生成该数据集的研究分析了肯尼亚Mtwapa镇的一个男男性行为者(MSM)队列,以评估肯尼亚卫生部用于预测HIV-1感染的标准的表现;评估该队列使用卫生部标准或作者开发的队列衍生HIV-1风险评分(CDHRS)接受暴露前预防(PrEP)以预防HIV的资格;并识别与合格MSM接受PrEP相关的因素。研究参与者由10-15名受过培训的同伴动员者通过接触个人招募,资格基于年龄(18-49岁)以及以下任一条件:HIV-1阴性
【主题与分类】
主题标签:Medicine, Health and Life Sciences。本站分类:感染性疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A0132f4ab99bd2fe63a642140984a2b50f073a093fdc96c2278a20981cbdf7ae6
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
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
该数据集包含一个载有问卷数据的电子表格,以及补充材料,包括空白问卷表、自评风险核查表和PrEP资格评分表。生成本数据集的研究分析了一个在肯尼亚姆特瓦帕镇(Mtwapa town)的男男性行为者(MSM)队列,目的是评估肯尼亚卫生部用于预测HIV-1感染的标准的表现;评估该队列使用卫生部标准或作者基于队列得出的HIV-1风险评分(CDHRS)接受暴露前预防(PrEP)以预防HIV的资格;并识别与合格MSM接受PrEP相关的因素。研究参与者由10-15名受过培训的同伴动员者通过接触个体招募,资格基于年龄(18-49岁)以及以下任一条件:HIV-1阴性状态;涉及商业性性工作;近期患有性传播感染(STI);有多个性伴侣;与HIV-1感染者发生性行为;或入组前3个月内发生肛交。
这项研究在肯尼亚医学研究所(KEMRI)位于姆特瓦帕镇的诊所进行。在入组及每月随访期间,研究人员使用标准化行为问卷对参与者进行面对面访谈,采用快速即时抗体检测提供HIV-1检测与咨询,提供风险降低咨询,评估病史并对参与者进行体格检查。
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。




