HIV感染者中HPV（肛门癌风险因素）自采样与医务人员采样一致性和可接受性的随机对照交叉研究
该数据集来自clinicaltrials.gov，主题为在HIV感染者中比较自采样与医务人员采样检测HPV（肛门癌风险因素）的一致性和可接受性，采用随机对照交叉研究设计
基本信息
资源简介
HIV感染者中HPV（肛门癌风险因素）自采样与医务人员采样一致性和可接受性的随机对照交叉研究
该数据集来自 clinicaltrials.gov，主题为在HIV感染者中比较自采样与医务人员采样检测HPV（肛门癌风险因素）的一致性和可接受性，采用随机对照交叉研究设计。HPV是人乳头瘤病毒的缩写，与肛门癌等恶性肿瘤的发生密切相关，在HIV感染者等免疫功能受损人群中尤其值得关注。该数据集归入肿瘤/其他分类，主题标签为HPV，其英文名称完整表述了研究目的：通过拭子采样，在HIV感染者中评估自采样与医务人员采样检测HPV的一致性和可接受性，研究类型为随机对照交叉研究。整体而言，该数据集围绕HPV筛查方式的比较展开，关注自采样这一可能提高筛查可及性的手段在特定人群中的表现，为相关筛查策略的优化提供研究依据。
【数据集背景】
该数据集来源于 clinicaltrials.gov，所涉研究聚焦于HPV这一与肛门癌相关的风险因素。源站描述中提及，在留尼汪岛外围地区生活的30至65岁弱势女性群体中开展了社区健康行动，其设想是评估这些行动对健康的影响。该数据集的主题标签为HPV，所属分类为肿瘤/其他。研究关注的核心问题是在HIV感染者中，自采样与由医务人员实施的采样在HPV检测上的一致性和可接受性，并采用随机对照交叉研究设计来加以评估。对于HIV感染者而言，HPV相关肛门癌风险的早期识别具有重要意义，而筛查方式的选择可能影响筛查的参与度和实际效果，因此该研究具有明确的临床与公共卫生意义。
【数据内容】
该数据集的主题标签为HPV，所属分类为肿瘤/其他。其英文名称表明研究涉及自采样与医务人员采样两种HPV检测方式的一致性比较和可接受性评价，研究对象为HIV感染者，采样方式为拭子采样，研究设计为随机对照交叉研究。关于数据集具体包含哪些字段、变量、样本量、检测指标数值或可接受性评分等详细内容，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述提及，在留尼汪岛外围地区生活的30至65岁弱势女性群体中开展了社区健康行动，并设想评估这些行动对健康的影响。除上述来源信息外，关于数据采集的具体时间、地点、实施机构、采样流程、随访安排等细节，源站未提供。
【适用场景】
基于现有信息，该数据集可用于了解在HIV感染者中比较自采样与医务人员采样检测HPV（肛门癌风险因素）的研究设计，适用于关注HPV筛查方式一致性、可接受性以及HIV感染者肛门癌风险筛查策略的相关场景。其主题标签为HPV，所属分类为肿瘤/其他，也可作为肿瘤相关研究中涉及HPV筛查方法比较的参考来源。关于该数据集在其他具体研究或应用场景中的适用性，源站未提供。
【使用方法】
关于该数据集的具体使用方法，包括如何获取、读取、解析或分析其中数据，源站未提供。
【质量与限制】
关于该数据集的质量评价、数据完整性、偏倚控制、样本代表性及使用限制等信息，源站未提供。
【引用与许可】
关于该数据集的引用方式与许可条款，源站未提供。
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/NCT07438080
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：HPV。在留尼汪岛偏远地区处于弱势境况的30至65岁女性人群中，开展了社区健康行动。其思路是评估这些行动对健康的影响。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
