塞维利亚暴露前预防HIV感染高风险人群队列
该数据集来自clinicaltrials.gov,为塞维利亚地区接受暴露前预防(PrEP)的HIV感染高风险人群队列,覆盖HIV原发感染、病毒性肝炎及除HIV和肝炎外的性传播感染等主题

基本信息
资源简介
塞维利亚暴露前预防HIV感染高风险人群队列
该数据集来自clinicaltrials.gov,为塞维利亚地区接受暴露前预防(PrEP)的HIV感染高风险人群队列,覆盖HIV原发感染、病毒性肝炎及除HIV和肝炎外的性传播感染等主题。源站描述指出,高效抗逆转录病毒药物可实现HIV复制的有效持续抑制,既提高HIV感染者预期寿命与生活质量,也降低病毒传播风险;UNAIDS据此制定了包含预防工具的终结HIV/AIDS流行策略,并已建立暴露后预防用药建议,但该策略需暴露意识及72小时内获得治疗。该数据可用于HIV感染及相关性传播感染的预防与流行病学研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:HIV原发感染、病毒性肝炎(人类)、性传播感染(不包括HIV和肝炎)。迄今为止,高效抗逆转录病毒药物的可及性使得能够有效且持久地抑制HIV复制。这一方面使HIV感染者(PLWH)的预期寿命和生活质量显著提高,另一方面降低了病毒传播风险。基于这些进展,联合国艾滋病规划署(UNAIDS)制定了旨在终结HIV/AIDS流行的策略,其中包括预防工具。为预防HIV感染获得,已建立暴露后预防用药建议,然而该策略既需要意识到已暴露于病毒,也需要在暴露后72小时内获得治疗。
【主题与分类】
主题标签:HIV Infection Primary、Hepatitis, Viral, Human。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05492565
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/NCT05492565
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原发感染、病毒性肝炎(人类)、性传播感染(不包括HIV和肝炎)。迄今为止,高效抗逆转录病毒药物的可及性使得能够有效且持久地抑制HIV复制。这一方面显著提高了HIV感染者(PLWH)的预期寿命和生活质量,另一方面降低了病毒传播的风险。基于这些进展,联合国艾滋病规划署(UNAIDS)制定了旨在通过纳入预防工具来终结HIV/AIDS流行的策略。为预防HIV感染的发生,已制定了暴露后预防使用的建议,然而,该策略既需要意识到已暴露于病毒,也需要在暴露后72小时内获得治疗,这在实际应用中构成了重要限制。为克服这些障碍,过去十年间已实施了暴露前预防。
PrEP是一种预防性干预措施,大量随机临床试验和观察性研究已在不同人群中证实其可显著降低HIV感染。除预防获益外,它还可支持HIV及其他性传播疾病(STI)的早期诊断,世界卫生组织(WHO)因此于2012年推荐其使用。基于对有效性、风险和成本的复杂分析,PrEP仅被推荐用于感染风险较高的人群。主要代表人群为男男性行为者(MSM),在试点临床试验中观察到该人群HIV感染下降44%-86%,此外还包括跨性别女性和HIV阳性伴侣者。在坚持每日服用PrEP的人群中,感染率接近于零。尽管大多数指南基于这一模式,但有证据表明,性活动频率较低的MSM也可能从按需PrEP中获益。与每日P
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。




