2型糖尿病患者肾功能不全患病率：一项回顾性研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07818434

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

病症：糖尿病肾病。这是一项回顾性横断面分析，数据收集于2022年和2023年，涉及2型糖尿病（T2D）且持续肾功能不全至少3个月的患者。数据提取自金奈Dr.A. Ramachandran糖尿病医院的电子病历。我们排除了其他类型糖尿病、肾脏并发症（终末期肾病、肾盂肾炎）以及数据缺失的患者。符合以下数据的患者记录被纳入分析：人体测量学指标（身高、体重和体重指数）、收缩压和舒张压（每次测量间隔5分钟，共测量三次）、实验室参数（空腹血糖、餐后血糖、HbA1c、血脂谱（总胆固醇、甘油三酯、HDL、LDL和VLDL）以及肾功能测试（血清肌酐、随机尿白蛋白与肌酐比值））。肾功能不全定义为eGFR为300 mg/g）。评估肾功能不全的截断值基于肾脏病预后质量倡议（KDOQI）建议3。

连续变量以均值±标准差表示，分类变量以n（%）表示。肾功能不全亚组之间的组间差异，对于分类变量采用卡方检验或Fisher精确检验，对于连续变量采用学生t检验或方差分析。为研究与肾功能不全相关的因素，进行了逻辑回归分析。因变量为肾功能不全的存在，定义为eGFR<60ml/min/1.73m2和/或白蛋白尿≥30 mg/g肌酐。方程中纳入的自变量包括年龄、糖尿病病程、性别、BMI、HbA1c、高血压的存在、甘油三酯、总胆固醇和HDLc。p值<0.05被认为具有统计学显著性。

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。