多学科服务提升MSM人群HIV检测与关怀衔接
该数据集来自clinicaltrials.gov,为一项前瞻性队列研究,计划在3个月内招募350名MSM客户并随访12个月

基本信息
资源简介
多学科服务提升MSM人群HIV检测与关怀衔接
该数据集来自clinicaltrials.gov,为一项前瞻性队列研究,计划在3个月内招募350名MSM客户并随访12个月。招募对象为因VCT以外服务首次就诊的客户,服务包括STI诊疗、肛门异型增生筛查、营养咨询及nPEP等。约250名HIV状态未知或既往阴性的MSM将每3个月接受一次HIV检测,构成HIV阴性队列;其中约20%(50名)在研究期间转为阳性者将转入HIV阳性队列并每6个月随访。数据可用于研究多学科服务对HIV检测和关怀衔接的促进作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:HIV检测、关怀衔接。这是一项前瞻性队列研究,将在3个月内招募350名MSM客户,并随访12个月。招募的MSM将是首次来诊所接受VCT以外服务的客户。这些服务可能包括但不限于性传播感染(STI)诊断和治疗、肛门异型增生筛查、营养咨询和非职业性暴露后预防(nPEP)。大约250名HIV状态未知或既往阴性的MSM客户将每3个月接受一次HIV检测(HIV阴性MSM队列)。在研究中检测出HIV阳性的HIV阴性队列中的MSM(估计20%,50名MSM)将被转介至HIV阳性MSM队列,并每6个月随访一次。在3个月招募期内到访诊所的其他客户,若具有
【主题与分类】
主题标签:HIV Testing、Linkage to Care。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01637324
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/NCT01637324
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检测、与护理的衔接。这是一项前瞻性队列研究,将在3个月内招募350名MSM客户,并对其进行为期12个月的随访。招募的MSM将是首次来诊所接受非VCT服务的客户。这些服务可能包括但不限于性传播感染(STI)诊断和治疗、肛门发育不良筛查、营养咨询和非职业性暴露后预防(nPEP)。大约250名HIV状态未知或先前为阴性的MSM客户将每3个月接受一次HIV检测(HIV阴性MSM队列)。研究期间,HIV阴性队列中检测出HIV阳性的MSM(估计20%,即50名MSM)将被转介至HIV阳性MSM队列,并每6个月进行随访。在3个月招募期内,其他已知HIV阳性但尚未与HIV护理衔接的来诊所就诊客户(最多100名)也将被纳入HIV阳性MSM队列。因此,本研究将纳入最多150名HIV阳性受试者。每位入组参与者在研究中的时间为12个月。
本研究将使我们能够评估自愿咨询检测(VCT)及与关怀服务的衔接情况,以及HIV风险行为和暴露后预防(nPEP)的需求,还有男男性行为者(MSM)中重要疾病如性传播感染(STIs)、肛门发育异常/癌症、高脂血症和糖尿病的发病率或患病率。
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。




