塞拉利昂弗里敦HIV诊断后12个月前瞻性队列中失访者多在弗里敦停止照护
背景：pre-ART人群的异质性要求对HIV照护级联进行更精细的描述。方法：我们在塞拉利昂弗里敦单一中心对12个月期间新诊断HIV感染者进行前瞻性队列研究，然后追踪那些在pre-ART照护期间（ART启动前）失访（LTFU）者
基本信息
资源简介
塞拉利昂弗里敦HIV诊断后12个月前瞻性队列中失访者多在弗里敦停止照护
背景：pre-ART人群的异质性要求对HIV照护级联进行更精细的描述。方法：我们在塞拉利昂弗里敦单一中心对12个月期间新诊断HIV感染者进行前瞻性队列研究，然后追踪那些在pre-ART照护期间（ART启动前）失访（LTFU）者
The majority of the pre-antiretroviral population who were lost to follow-up stopped their care in Freetown, Sierra Leone: a 12-month prospective cohort study starting with HIV diagnosis
【数据内容】
源站描述（机器翻译，仅供参考）：背景：pre-ART人群的异质性要求对HIV照护级联进行更精细的描述。方法：我们在塞拉利昂弗里敦单一中心对12个月期间新诊断HIV感染者进行前瞻性队列研究，然后追踪那些在pre-ART照护期间（ART启动前）失访（LTFU）者。ART资格基于CD4细胞计数结果<350 mm/cells和/或WHO临床3或4期。在最后三个月内就诊者被视为保留在照护中。ART依从性通过药房取药日期测量。“有效HIV照护”定义为在12个月时完成照护级联，无论患者是否在接受ART。对pre-ART照护期间LTFU者获取追踪结局。结果：408人新
【主题与分类】
主题标签：HIV照护级联、pre-ART失访、前瞻性队列、塞拉利昂弗里敦、HIV诊断、失访追踪、CD4细胞计数、ART依从性。本站分类：感染性疾病/其他。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A228ca3ac8a76b7ad9f8e68cbd2cd47fa91ee746129bdf3717b3025e098cc2051
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
背景：抗逆转录病毒治疗前（pre-ART）人群的异质性要求对HIV关怀级联进行更细致的描述。方法：我们在塞拉利昂弗里敦的一家单一中心，对为期12个月内新诊断HIV感染者进行前瞻性队列研究，随后追踪那些在pre-ART关怀期间（ART启动前）失访（LTFU）的人员。ART资格基于CD4细胞计数结果< 350 mm/cells和/或WHO临床分期3或4期。在最后三个月内参加预约的人员被视为保留在关怀中。ART依从性通过药房续药日期进行测量。“有效HIV关怀”定义为在12个月时完成关怀级联，无论患者是否接受ART。对在pre-ART关怀期间失访的人员获取了追踪结果。结果：筛查了408名新诊断HIV感染者，入组338人，255人被…
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。
