评估Fimasartan对DKD合并蛋白尿患者肾脏保护作用的观察性研究
本数据集来自clinicaltrials.gov,主题为评估Fimasartan对糖尿病肾脏病(DKD)合并蛋白尿患者的肾脏保护作用

基本信息
资源简介
评估Fimasartan对DKD合并蛋白尿患者肾脏保护作用的观察性研究
本数据集来自clinicaltrials.gov,主题为评估Fimasartan对糖尿病肾脏病(DKD)合并蛋白尿患者的肾脏保护作用。研究为前瞻性观察性研究,在韩国约5家医院级及以上医疗机构开展,纳入正在或计划接受含Fimasartan降压药治疗原发性高血压的2型糖尿病肾脏病患者,其蛋白尿ACR为10 mg/g或更高。受试者随访约一年(52周)。研究者向潜在受试者说明研究目的、方法、信息收集范围及流程后,取得书面知情同意,并以给予含Fimasartan降压药之日作为基线。数据可用于糖尿病肾脏病、蛋白尿与高血压相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:糖尿病肾脏病、蛋白尿、原发性高血压。这项前瞻性观察性研究在韩国约5家相当于医院或更大规模的医疗机构开展,纳入正在接受或计划接受含fimasartan的降压药治疗原发性高血压的2型糖尿病肾脏病(蛋白尿伴ACR为10 mg/g或更高)患者作为受试者。每位受试者应接受约一年(52周)的随访。在向潜在受试者说明本研究的目的、方法、信息收集范围及流程后,研究者应取得其自愿参与的书面知情同意,并将给予含fimasartan降压药之日设为基线。如果基于fimasartan的降压治疗
【主题与分类】
主题标签:Diabetic Kidney Disease、Proteinuria、Hypertension,Essential。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05086549
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/NCT05086549
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:糖尿病肾病、蛋白尿、原发性高血压。本前瞻性观察性研究在韩国约5家相当于医院或更高级别的医疗机构开展,纳入正在接受或计划接受含非马沙坦降压药治疗原发性高血压的2型糖尿病肾病患者(蛋白尿伴ACR≥10 mg/g)作为受试者。每位受试者随访约一年(52周)。研究者向潜在受试者说明本研究的目的、方法、信息收集范围及流程后,须取得其自愿参与的书面知情同意,并将开始服用含非马沙坦降压药之日设为基线。若含非马沙坦的降压治疗已在进行中,则仅将基线起6周内的患者视为受试者。在此情况下,基线至书面知情同意时的数据将进行回顾性收集。
本研究为观察性研究,研究期间所给予的药物及医疗程序均应根据研究者的临床判断进行。本研究方案规定,不得对受试者施加任何不必要的干预。本研究期间需收集的数据范围如下。* 人口学信息 * 疾病信息(糖尿病、高血压、肾脏疾病、其他既往病史及并发疾病) * 体格测量(身高和体重) * 诊室血压测量 * 实验室检查结果 * 抗高血压药、降糖药及其他合并用药 * 非马沙坦相关药物不良反应及严重药物不良反应 * 死亡信息(如适用)
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。




