比克替拉韦/恩曲他滨/丙酚替诺福韦治疗HIV感染女性患者的护理留存及临床特征研究
研究为单中心、双向观察性设计,回顾部分分析2019年6月至数据截止的病历数据,前瞻部分收集至2027年12月31日的常规随访数据

基本信息
资源简介
比克替拉韦/恩曲他滨/丙酚替诺福韦治疗HIV感染女性患者的护理留存及临床特征研究
该数据集来自clinicaltrials.gov,聚焦HIV-1感染女性在接受Bictegravir/Emtricitabine/Tenofovir Alafenamide(B/F/TAF)治疗后的保留率与临床特征。研究为单中心、双向观察性设计,回顾部分分析2019年6月至数据截止的病历数据,前瞻部分收集至2027年12月31日的常规随访数据。数据可用于分析女性HIV感染者治疗管理、个体化治疗及早期识别保留不佳和治疗失败风险因素(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。女性在HIV和抗逆转录病毒治疗的临床研究中是代表性不足的人群。本研究旨在通过提供B/F/TAF(Biktarvy)在纯女性队列中治疗管理的真实世界数据来帮助弥合这一差距,旨在改善治疗个体化并早期识别该人群中保留不佳和治疗失败的风险因素。本研究为单中心、双向观察性研究。回顾性部分分析从2019年6月(BIC/FTC/TAF在意大利可获得的日期)至研究数据截止的病历数据。前瞻性部分涉及在常规随访访视期间收集数据,直至2027年12月31日。不涉及超出标准临床实践的诊断或治疗程序。研究人群包括确诊的成年女性(≥18岁)。
【主题与分类】
主题标签:HIV 1 Infection。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07859904
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/NCT07859904
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。女性在HIV及抗逆转录病毒治疗临床研究中属于代表性不足的人群。本研究旨在通过提供B/F/TAF(Biktarvy)在纯女性队列中治疗管理的真实世界数据,帮助弥合这一差距,以期改善该人群的治疗个体化,并早期识别治疗留存不佳和治疗失败的风险因素。本研究为单中心、双向性观察性研究。回顾性部分分析自2019年6月(BIC/FTC/TAF在意大利上市之日)至研究数据截止日的病历数据。前瞻性部分涉及在常规随访就诊期间收集数据,直至2027年12月31日。不涉及超出标准临床实践的诊断或治疗程序。研究人群包括确诊HIV-1感染的成年女性(≥18岁),她们自2019年6月至今在热那亚E.O. Ospedali Galliera传染病科至少接受过一次BIC/FTC/TAF处方,并有至少6个月的随访记录。
本研究的主要目标是确定接受B/F/TAF(Biktarvy)治疗的女性在12个月和24个月时的留存率,并识别与维持治疗相关的因素及治疗中断的预测因素。本研究的次要目标包括:* 在接受B/F/TAF治疗期间,12个月和24个月时实现/维持病毒学抑制(<50拷贝/mL)的女性百分比 * 评估B/F/TAF在不同年龄组中的治疗持续性 * 分析停用B/F/TAF的原因(不良事件、患者选择、计划换药、其他) * 识别B/F/TAF治疗期间与病毒学失败相关的因素 * 评估绝经状态(绝经前 vs. 绝经后)对留存率和病毒学结局的影响 * 分析随访期间绝经过渡对结局的影响 * 相关
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。




