伦敦成人HIV队列SARS-CoV-2抗体流行率数据集
该数据集来自clinicaltrials.gov,聚焦伦敦一家大型HIV中心就诊的HIV感染者(PLWH),通过血清学血液检测测定SARS-CoV-2抗体,以了解既往感染SARS-CoV2或接种疫苗后产生抗体的情况

基本信息
资源简介
伦敦成人HIV队列SARS-CoV-2抗体流行率数据集
该数据集来自clinicaltrials.gov,聚焦伦敦一家大型HIV中心就诊的HIV感染者(PLWH),通过血清学血液检测测定SARS-CoV-2抗体,以了解既往感染SARS-CoV2或接种疫苗后产生抗体的情况。数据覆盖HIV-1感染、SARS-CoV感染和Covid19相关条件,可用于研究该人群中SARS-CoV-2抗体流行率及自然感染与疫苗诱导抗体反应,但源站未提供具体样本量、检测方法细节和随访数据(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、SARS-CoV感染、Covid19。本研究的主要目的是了解在伦敦一家大型HIV中心就诊的HIV感染者(PLWH)中有多少人迄今已经感染过SARS-CoV2,这将通过检测SARS-CoV2抗体存在的血清学血液检测来确定,或者已经因接种疫苗而产生抗体。然而,尚不清楚来自自然感染的抗体存在是否仅仅意味着某人以前接触过SARS-CoV2的标记。尚不清楚这是否意味着某人将来再次感染的可能性更低,或者它将如何影响未来可能的SARS-CoV2感染。在等待关于自然和疫苗诱导抗体反应的进一步数据期间,那些存在抗SARS-CoV2抗体的人继续被建议采取相同的预防措施。
【主题与分类】
主题标签:HIV-1-infection、SARS-CoV Infection、Covid19。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05067400
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/NCT05067400
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
研究条件:HIV-1感染、SARS-CoV感染、Covid19。本研究的主要目的是通过检测SARS-CoV2抗体的血清学血液测试,了解在伦敦一家主要HIV中心就诊的HIV感染者(PLWH)中有多少人迄今为止已经感染了SARS-CoV2,或者已经因接种疫苗而产生了抗体。然而,目前尚不清楚自然感染产生的抗体除了作为曾暴露于SARS-CoV2的标志物之外,是否还具有其他意义。尚不清楚这是否意味着某人将来再次感染的可能性更低,或者这将如何影响未来可能的SARS-CoV2感染。在等待关于自然感染和疫苗诱导抗体反应的进一步数据期间,建议体内存在抗SARS-CoV2抗体的人继续采取与其他人相同的预防措施以降低感染COVID-19的风险:定期洗手、佩戴口罩以及在可能的情况下保持社交距离。既然疫苗接种已经开始,目前也不清楚将出现哪些疫苗诱导免疫的标志物,包括在PLWH中。
本研究将有助于更好地确定HIV是否应成为疫苗接种的额外“优先”群体,以及已接种疫苗的PLWH中存在何种抗体反应。研究意图是邀请该队列每年进行一次HIV相关血液检测,涵盖那些已安排血液检测的人员,以及那些在COV19封锁期间可能错过预定血液监测预约的人员。除这些检测外,本研究还提议作为该监测研究的一部分提供SARS CoV-2血清学检测。参与将是自愿的,并将获取知情同意。参与者将被告知其检测结果,同时附上关于其意义不确定性的信息,除了表明既往感染或接种疫苗之外。本研究旨在检测针对SARS-CoV2的特定抗体的存在
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。




