回顾性真实世界队列研究
该数据集为基于匿名电子健康记录（EHR）的回顾性真实世界队列研究，覆盖2022年1月至2025年12月，数据来自土耳其Acibadem医院网络的参与者
基本信息
资源简介
回顾性真实世界队列研究
该数据集为基于匿名电子健康记录（EHR）的回顾性真实世界队列研究，覆盖2022年1月至2025年12月，数据来自土耳其Acibadem医院网络的参与者。研究聚焦肥胖、2型糖尿病、糖尿病前期、心血管疾病、血脂异常、代谢功能障碍相关脂肪性肝病及慢性肾脏病等主要心血管代谢疾病，旨在确定其患病率与重叠情况、识别多病共存聚类，并刻画队列及亚组的人口学、临床、实验室与治疗特征。索引日期由首次诊断心血管代谢疾病定义，随访期至少一年以描述长期结局。可用于心血管代谢疾病流行病学分析、多病共存模式挖掘及真实世界治疗模式研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：肥胖、2型糖尿病（T2D）、糖尿病前期、心血管疾病（CVD）、血脂异常、代谢功能障碍相关脂肪性肝病（MASLD）、慢性肾脏病（CKD）。主要目标是确定主要心血管代谢疾病的患病率和重叠情况，识别多病共存聚类，并刻画整个队列及相关亚组的人口学、临床、实验室和治疗模式。本研究基于匿名电子健康记录（EHR）数据，时间跨度为2022年1月至2025年12月。EHR将从土耳其Acibadem医院网络的参与者中提取。参与者根据医生判断接受常规临床护理。索引日期将由首次诊断心血管代谢疾病定义。随访期将包括至少一年，以允许描述长期结局。
【主题与分类】
主题标签：Obesity、Type 2 Diabetes (T2D)、Prediabetes、Cardiovascular Disease (CVD)、Dyslipidemia、Chronic Kidney Disease (CKD)。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07781371
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/NCT07781371
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
疾病条件：肥胖、2型糖尿病（T2D）、糖尿病前期、心血管疾病（CVD）、血脂异常、代谢功能障碍相关脂肪性肝病（MASLD）、慢性肾脏病（CKD）。主要目标是确定主要心血管代谢疾病的患病率和重叠情况，识别多病共存聚类，并描述整个队列及相关亚组的人口学、临床、实验室和治疗模式特征。本研究基于匿名电子健康记录（EHR）数据，时间跨度为2022年1月至2025年12月。EHR将从土耳其Acibadem医院网络的参与者中提取。参与者根据医生判断接受常规临床诊疗。索引日期将定义为首次诊断心血管代谢疾病的日期。随访期将包括至少一年，以便描述长期结局。随访将持续至研究结束、最后一次记录就诊或死亡。
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。
