Screen Smart：利用数字健康改善HIV筛查与预防

数据集获取

源站：https://clinicaltrials.gov/study/NCT06003192

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：HIV感染。利用先前开发的基于平板电脑的大规模淋病和衣原体筛查流程，研究者将对该流程进行调整、优化和测试，目标是通过电子整合患者报告数据，为HIV筛查提供临床决策支持并识别PrEP适用人选，从而在儿科急诊科提高普遍提供、可选择退出的HIV筛查率。研究者随后将利用移动健康（mHealth）将患者链接至PrEP服务。本研究的目标是：（1）调整、优化并测试这一先前实施的多中心、基于急诊科的筛查研究，以提高儿科急诊科青少年中普遍提供、可选择退出的HIV筛查率；（2）将高风险青少年链接至PrEP服务和预防性照护。这将通过儿童医院急诊科网络（儿科急诊照护应用研究网络，PECARN）来完成。本研究将为建立临床有效且可持续的HIV筛查项目提供证据基础，这些项目可成功整合到急诊科的临床工作流程中。

它还将通过移动健康策略改善高风险青少年的识别及其与PrEP照护的衔接：首先根据青少年和年轻成人（AYA）对计算机化性健康筛查（cSHS）的应答识别出PrEP候选者，随后（1）通过电子健康记录向医疗服务提供者提供临床决策支持，（2）由cSHS直接向PrEP候选者发送短信，提供教育内容并将青少年与PrEP导航员连接起来。该干预将依托一种创新方法，即以电子化方式整合患者报告的数据来指导临床决策支持。

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。