前瞻性HIV化疗队列研究
该数据集来自clinicaltrials.gov，为在英国单一研究中心开展的前瞻性观察性队列研究，纳入接受抑制性HAART且合并恶性肿瘤并接受化疗的HIV阳性个体
基本信息
资源简介
前瞻性HIV化疗队列研究
Prospective HIV Chemotherapy Cohort Study 是一项登记于 clinicaltrials.gov 的研究数据集，主题标签为 HIV 与 Cancer，本站将其归入肿瘤 / 淋巴瘤分类。该研究是一项在英国单一研究中心开展的前瞻性观察性队列研究，研究对象为接受抑制性 HAART（高效抗逆转录病毒治疗）且合并恶性肿瘤、正在接受化疗的 HIV 阳性个体。研究关注的恶性肿瘤类型包括淋巴瘤与卡波西肉瘤，入组对象需接受包含长春花生物碱类和紫杉烷类药物的联合化疗方案。该数据集围绕 HIV 感染合并肿瘤患者在化疗过程中的观察性信息展开，可为相关临床研究与数据分析提供来源明确的队列资料。
【数据集背景】
该数据集对应的研究聚焦于 HIV 阳性人群中的恶性肿瘤问题。根据源站描述，研究条件涵盖 HIV 与 Cancer 两类，研究设计为单中心、前瞻性观察性队列研究，实施地点位于英国的一个研究站点。研究对象限定为正在接受抑制性 HAART 治疗、同时被诊断为恶性肿瘤并接受化疗的 HIV 阳性个体。这一背景设定表明，该队列关注的是在有效抗病毒治疗条件下仍发生恶性肿瘤的 HIV 感染者的化疗过程，涉及的肿瘤类型明确为淋巴瘤或卡波西肉瘤。
【数据内容】
源站描述显示，该研究的入组条件包括：个体正在接受 HAART，被诊断为淋巴瘤或卡波西肉瘤，并接受包含长春花生物碱类和紫杉烷类药物的联合化疗。数据集的分类归属为肿瘤 / 淋巴瘤，主题标签为 HIV 与 Cancer。除上述研究条件、研究设计与入组标准外，源站未提供关于具体变量字段、样本量、随访时长、观测指标及数据记录格式的进一步说明。
【采集与来源】
该数据集来源于 clinicaltrials.gov。研究在英国的一个研究站点开展，采用单中心、前瞻性观察性队列设计。源站未提供具体的采集时间窗口、采集流程、数据管理方式以及样本采集与检测方法等信息。
【适用场景】
基于源站描述，该数据集适用于与 HIV 合并恶性肿瘤相关的观察性研究场景，尤其是针对接受抑制性 HAART 且正在接受含长春花生物碱类和紫杉烷类联合化疗的淋巴瘤或卡波西肉瘤患者的研究。其单中心前瞻性队列设计可用于支持对该特定人群化疗过程的观察性分析。源站未提供关于该数据集在其他具体应用场景中的用途说明。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式、数据结构说明或分析指引。
【质量与限制】
该研究为单中心设计，样本来源限于英国的一个研究站点，源站未提供样本量、数据完整性、缺失情况、质量控制措施及偏倚评估等信息。由于研究为观察性队列设计，源站未提供关于对照设置与因果推断能力的说明。使用时应以源站描述的研究设计与入组条件为边界，避免超出该队列所覆盖的人群与治疗背景进行外推。
【引用与许可】
源站未提供该数据集的引用格式、许可条款或使用限制说明。
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/NCT01902693
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、癌症。研究设计 本研究将在英国的一个研究中心开展。这是一项单中心、前瞻性观察性队列研究，研究对象为接受抑制性HAART治疗且患有恶性肿瘤并正在接受化疗的HIV阳性个体。入选标准 接受HAART治疗并被诊断为淋巴瘤或卡波西肉瘤、正在接受包含长春花生物碱和紫杉烷类药物的联合化疗方案的个体将有资格参加本研究。
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。
