HIV感染者临床有效镇痛患者队列研究
队列通过基本人口学与健康状况描述该临床样本,涵盖疼痛特征(严重程度与干扰)、COT异常行为/误用、物质使用及对提供者的信任/满意度

基本信息
资源简介
HIV感染者临床有效镇痛患者队列研究
该数据集来自clinicaltrials.gov,为TEACH患者队列研究,在Boston Medical Center与Grady Memorial Hospital多站点开展,招募并知情同意接受慢性阿片类治疗(COT)的HIV感染者参与观察性研究。队列通过基本人口学与健康状况描述该临床样本,涵盖疼痛特征(严重程度与干扰)、COT异常行为/误用、物质使用及对提供者的信任/满意度。参与包括一次基线与一次约12个月后的随访评估,均在临床站点完成。数据可用于HIV感染者疼痛管理与阿片类药物使用相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:HIV感染、疼痛、药物依赖。TEACH患者队列研究为多站点研究,将在Boston Medical Center和Grady Memorial Hospital开展。研究将招募并知情同意接受慢性阿片类治疗(COT)的HIV感染者作为观察性研究的参与者。患者队列将通过描述基本人口学与健康状况来刻画接受COT的HIV感染者临床样本,包括疼痛特征(严重程度与干扰)、COT异常行为/误用、物质使用及对提供者的信任/满意度。参与研究包括完成一次基线评估和一次随访评估。随访评估将在基线评估后约12个月进行。基线与随访评估均在临床站点进行,并签署一份知情同意。
【主题与分类】
主题标签:HIV Infection、Pain、Drug Dependence。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02525731
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/NCT02525731
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感染、疼痛、药物依赖。TEACH患者队列研究为多中心研究,将在波士顿医学中心和格雷迪纪念医院开展。研究将招募并征得正在接受慢性阿片类药物治疗(COT)的HIV感染患者同意,使其参与一项观察性研究。该患者队列将通过描述基本人口学特征和健康状况,包括疼痛特征(严重程度及干扰)、异常行为/COT滥用、物质使用以及对医疗服务提供者的信任/满意度,来刻画接受COT的HIV感染患者的临床样本特征。参与研究将包括完成一次基线和一次随访评估。随访评估将在基线评估后约12个月进行。基线和随访评估均将在临床中心进行,两次访视将获取一份签署的知情同意书。基线和随访将使用相似的评估工具。还将从医疗记录中收集额外的健康信息。TEACH研究有两个不同的组成部分。
本临床试验PRS摘要中概述的患者队列部分将涉及在COT的HIV诊所招募患者并获取其知情同意,使其成为观察性研究的参与者。另一份临床试验PRS摘要中概述的干预措施将涉及获取医生知情同意,使其作为某项干预随机对照试验的参与者,并通过豁免知情同意,从电子病历中提取这些医生所诊治患者的数据。观察性队列参与者中一部分人的数据将用于补充干预措施次要结局的分析(即那些其医疗服务提供者已入组的患者)。TEACH患者队列部分旨在向医生及其他医疗服务提供者告知使用慢性阿片类药物治疗的患者情况,包括关于COT处方者导向干预效果的重要信息。
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。




