HIV感染者肺功能损伤相关因素南非成人数据
背景：HIV感染者发生阻塞性肺疾病（OLD）的风险增加。来自发达国家的研究报告称高病毒载量、低CD4计数和抗逆转录病毒治疗（ART）与OLD相关；但这些发现可能无法推广到资源有限地区的人群
基本信息
资源简介
HIV感染者肺功能损伤相关因素南非成人数据
该数据集英文名为“Data from: Factors associated with pulmonary impairment in HIV-infected South African adults”，收录于呼吸系统疾病与肺结核分类之下，来源站为doi.org，由Dryad机构于2018年发布，作者包括Gupte, Akshay N.、Wong, Michelle L.、Masandiwa, Reginah、Barnes, Grace L.、Golub, Jonathan、Chaisson, Richard E.、Hoffmann, Christopher J.、Martinson, Neil A.与Msandiwa, Reginah。数据集围绕HIV感染者肺功能损伤的相关因素展开，源自南非黑人成年HIV感染者的前瞻性队列研究，采用支气管扩张剂使用前肺量计检查，并在入组时及随后三年内每年重复测量。其核心关注点为阻塞性肺疾病（OLD，定义为FEV1/FVC<0.70）以及FEV1和FVC的年度下降。该数据集以Creative Commons Zero v1.0 Universal许可发布，可用于呼吸系统疾病、HIV相关肺部并发症及资源有限地区人群研究等方向。
【数据集背景】
HIV感染者发生阻塞性肺疾病（OLD）的风险增加。来自发达国家的研究报告称，高病毒载量、低CD4计数和抗逆转录病毒治疗（ART）与OLD相关；但这些发现可能无法推广到资源有限地区的人群。基于这一背景，该数据集所依托的研究在南非黑人成年HIV感染者中开展，旨在识别与OLD相关的因素，并评估肺功能的纵向变化。该研究关注的人群和环境与既往发达国家研究不同，因此其数据对于理解资源有限地区HIV感染者肺部损伤的风险因素具有补充意义。
【数据内容】
该数据集来自一项前瞻性队列研究，研究对象为730名HIV感染的南非黑人成年人。研究在入组时进行支气管扩张剂使用前肺量计检查，并在随后三年内每年重复一次。研究使用逻辑回归模型识别入组时与OLD相关的因素，OLD定义为FEV1/FVC<0.70。同时，研究将FEV1和FVC的年度过度下降建模为随访时间与暴露因素的乘积项，采用随机效应回归进行分析。源站描述中提及，入组时年龄中位数（IQR）为36（32-41）岁，85%为女性，30%曾吸烟，但该句在“with a m”处中断，后续内容源站未提供。除上述信息外，数据集具体变量、样本量细节、统计结果等源站未提供。
【采集与来源】
该数据集来源站为doi.org，发布机构为Dryad，发布时间为2018年。研究设计为前瞻性队列研究，数据采集地点为南非，研究对象为HIV感染的南非黑人成年人。肺功能测量采用支气管扩张剂使用前肺量计检查，入组时进行基线测量，并每年重复一次，持续三年。数据涉及入组时年龄、性别、吸烟史等信息，但完整采集流程、随访细节、质量控制措施等源站未提供。
【适用场景】
该数据集适用于呼吸系统疾病与肺结核相关研究，尤其是HIV感染者中阻塞性肺疾病的风险因素分析。由于研究人群为资源有限地区的南非黑人成年人，该数据可用于探讨发达国家研究结论在类似人群中的可推广性。潜在应用包括：分析高病毒载量、低CD4计数、抗逆转录病毒治疗与OLD的关联；评估FEV1和FVC的年度下降趋势；开展HIV相关肺部并发症的纵向研究；以及为资源有限地区的肺功能损伤预防和干预提供数据参考。具体适用场景需结合源站提供的完整研究信息确定。
【使用方法】
该数据集的使用需结合其研究设计。基线分析可采用逻辑回归模型，以OLD（FEV1/FVC<0.70）为结局，识别相关因素。纵向分析可采用随机效应回归，将FEV1和FVC的年度过度下降建模为随访时间与暴露因素的乘积项。由于数据涉及三年随访的重复测量，分析时需考虑个体内相关性。源站未提供具体的数据文件格式、变量编码、分析代码或操作指南，使用者需参考原始研究出版物或数据文档获取详细使用方法。
【质量与限制】
该数据集基于730名HIV感染的南非黑人成年人，样本具有一定规模，且采用前瞻性队列设计和三年重复测量，有助于评估肺功能的纵向变化。然而，源站描述中未提供完整的统计结果、缺失数据处理方法、随访失访情况或外部验证信息。此外，研究人群以女性为主（85%），可能限制结果对其他性别比例人群的推广。源站描述在“30% ever-smoked with a m”处中断，吸烟相关信息的完整性源站未提供。其他质量指标与限制条件源站未提供。
【引用与许可】
该数据集英文名为“Data from: Factors associated with pulmonary impairment in HIV-infected South African adults”，作者为Gupte, Akshay N.、Wong, Michelle L.、Masandiwa, Reginah、Barnes, Grace L.、Golub, Jonathan、Chaisson, Richard E.、Hoffmann, Christopher J.、Martinson, Neil A.与Msandiwa, Reginah，机构为Dryad，发布时间为2018年，来源站为doi.org。该数据集采用Creative Commons Zero v1.0 Universal许可，允许在无附加限制的情况下使用、修改和分发。引用时需遵循该许可要求，并建议同时引用原始研究出版物。具体引用格式与许可条款以源站发布信息为准。
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://doi.org/10.5061/dryad.st5rk
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:
数据集大小约 350.1 KB。
数据说明
背景：HIV感染者发生阻塞性肺疾病（OLD）的风险增加。来自发达国家的研究报告称，高病毒载量、低CD4计数和抗逆转录病毒治疗（ART）与OLD相关；但这些发现可能无法推广至资源有限地区的人群。方法：我们对730名HIV感染的南非黑人成年人进行了一项肺功能前瞻性队列研究。在入组时进行支气管舒张剂前肺量计检查，并每年重复一次，持续三年。采用逻辑回归模型识别入组时与OLD相关的因素，OLD定义为FEV1/FVC<0.70。采用随机效应回归模型，将FEV1和FVC的年额外下降建模为随访时间与暴露因素的乘积项。结果：入组时年龄中位数（IQR）为36（32-41）岁，85%为女性，30%曾吸烟，吸烟暴露中位数（IQR）为3（1-6）包年。入组时CD4计数和病毒载量中位数（IQR）分别为372（261-518）个细胞/mm3和2655（91-13,548）拷贝/mL。总体而言，25%在入组时正在接受ART，其中16%报告接受ART至少6个月。
入组时发现35例（5%）存在OLD。年龄增长（每增加10岁，aOR=2.08 [95%CI 1.22-3.57]，p=0.007）、当前吸烟（aOR=3.55 [95%CI 1.20-10.53]，p=0.02）和CRP（每单位增加，aOR=1.01 [95%CI 1.00-1.03]，p=0.04）与入组时OLD显著相关；而CD4计数增加（每增加100个细胞/mm3，aOR=1.02 [95%CI 0.85-1.22]，p=0.82）、病毒载量（每对数增加，aOR=0.67 [95%CI 0.43-1.10]，p=0.12）和接受ART（aOR=0.57 [95%CI 0.18-1.75]，p=0.32）则无显著相关。中位（IQR）随访时间为18（12-24）个月。有结核病史的参与者FEV1和FVC的年额外损失分别为35 mL（95%CI 2-68，p=0.03）和57 mL（95%CI 19-96，p=0.003）。结论：流行的OLD与年龄较大、当前吸烟和较高CRP水平相关，但与CD4计数无关。
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。
