HIV感染者的共病与老龄化
该数据集来自 clinicaltrials.gov,主题为 HIV-1 感染者的共病与老龄化。源站描述指出,联合抗逆转录病毒治疗(cART)虽显著降低 HIV 相关发病与死亡,但患者预期寿命仍比同龄未感染者短 10 年以上,且多达 60% 的患者面临广泛共病风险,涉及心脏病、糖尿病、肾病、肝病、骨质

基本信息
资源简介
HIV感染者的共病与老龄化
该数据集来自 clinicaltrials.gov,主题为 HIV-1 感染者的共病与老龄化。源站描述指出,联合抗逆转录病毒治疗(cART)虽显著降低 HIV 相关发病与死亡,但患者预期寿命仍比同龄未感染者短 10 年以上,且多达 60% 的患者面临广泛共病风险,涉及心脏病、糖尿病、肾病、肝病、骨质疏松、恶性肿瘤及认知障碍等。数据可用于研究 HIV 感染者共病模式与老龄化结局(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、共病、老龄化。联合抗逆转录病毒治疗(cART)的规范使用已使 HIV 相关发病率和死亡率大幅且持续下降。尽管如此,接受 cART 的 HIV 患者预期寿命仍比同龄未感染者短 10 年或更多,尤其是在感染已进展时才启动 cART 的患者中。即使对年龄进行调整,多达 60% 的患者经历广泛共病的较高风险,这可能促成这一差距。多项研究已证明心脏病、糖尿病、肾病、肝病、骨质疏松、恶性肿瘤(除传统上与 HIV 相关的卡波西肉瘤和非霍奇金淋巴瘤外)、认知障碍以及可能的慢性阻塞性肺疾病发病率增加。
【主题与分类】
主题标签:HIV-1-infection、Comorbidity、Ageing。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01466582
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/NCT01466582
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、合并症、老龄化。联合抗逆转录病毒治疗(cART)的规范使用已使HIV相关发病率和死亡率大幅且持续下降。然而,接受cART的HIV感染者的预期寿命仍比同龄未感染者短10年或以上,尤其是在感染已进展时才启动cART的患者中。多达60%的患者经历广泛的合并症风险增高,即使在调整年龄后亦然,这可能促成这一差异。多项研究显示,与年龄匹配的HIV未感染对照者相比,HIV感染者中心脏病、糖尿病、肾脏疾病、肝脏疾病、骨质疏松、恶性肿瘤(除传统上与HIV相关的卡波西肉瘤和非霍奇金淋巴瘤外)、认知障碍以及可能的慢性阻塞性肺疾病的发生率增加。值得注意的是,在调整年龄和其他传统危险因素后,上述每种合并症的发生率也更高。
大多数研究是在美国进行的,而美国各种共病的患病率和危险因素可能与欧洲,尤其是荷兰有所不同。HIV相关因素和cART的不良反应可能各自独立地促成所观察到的前述几种共病风险增加。有趣的是,与年龄相仿的未感染男性相比,未接受cART的HIV感染男性衰弱程度更高(衰弱是一种与衰老相关的临床综合征,可识别出死亡和其他不良结局高风险的老年亚群)。尽管使用了cART,中年HIV感染男性仍表现出运动能力、功能表现、体力活动和握力下降。关于共病的多学科专业知识存在于AMC内部,并与现有的数据收集结构密切合作
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。




