Semaglutide 在不同程度胰岛素抵抗的非糖尿病肥胖患者中的反应
该数据集来自 clinicaltrials.gov,主题为 Semaglutide 在非糖尿病肥胖患者中的减重反应与胰岛素抵抗的关系

基本信息
资源简介
Semaglutide 在不同程度胰岛素抵抗的非糖尿病肥胖患者中的反应
该数据集来自 clinicaltrials.gov,主题为 Semaglutide 在非糖尿病肥胖患者中的减重反应与胰岛素抵抗的关系。源站描述指出,incretin mimetics 广泛用于减重,semaglutide 作为该类药物中最常处方的药物,对糖尿病和非糖尿病个体均有效,但治疗反应差异显著,非糖尿病个体通常减重效果更好,然而高达 10% 的非糖尿病个体对治疗几乎无反应或完全无反应,原因尚不明确。TRIM-IR 研究旨在探讨胰岛素抵抗(IR)在非糖尿病肥胖个体接受 semaglutide 后减重结局中的作用,该单中心观察性研究将评估 IR 的影响。数据可用于分析胰岛素抵抗与减重反应之间的关联,并可能用于预测治疗反应(来源 c。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肥胖及肥胖相关医学状况、肥胖与超重、胰岛素敏感性/抵抗、Semaglutide。Incretin mimetics 是广泛使用的减重药物治疗,以其高效性和良好的安全性著称。作为该类药物中最常处方的药物,semaglutide 对糖尿病和非糖尿病个体均有效。然而,治疗反应差异显著,非糖尿病个体通常减重效果更好。尽管如此,高达 10% 的非糖尿病个体对治疗几乎无反应或完全无反应,这种变异的原因仍不清楚。TRIM-IR 研究旨在探讨胰岛素抵抗(IR)在非糖尿病肥胖个体接受 semaglutide 后减重结局中的作用。这项单中心观察性研究将评估 IR 对减重的影响。
【主题与分类】
主题标签:Obesity and Overweight、Insulin Sensitivity/Resistance、Semaglutide。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06856291
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/NCT06856291
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:肥胖及肥胖相关医学状况、肥胖与超重、胰岛素敏感性/抵抗、司美格鲁肽。肠促胰岛素模拟物是广泛用于减重的药物治疗,以其高效性和良好的安全性著称。作为该类药物中最常处方的药物,司美格鲁肽对糖尿病和非糖尿病人群均有效。然而,治疗反应差异显著,非糖尿病人群通常减重效果更好。尽管如此,高达10%的非糖尿病人群对治疗反应甚微或无反应,这种变异性的原因仍不清楚。TRIM-IR研究旨在探讨胰岛素抵抗(IR)在非糖尿病肥胖个体接受司美格鲁肽治疗减重效果中的作用。这项单中心观察性研究将评估IR对司美格鲁肽治疗前16周内减重、身体成分和脂肪组织功能的影响。该研究还将探索脂肪组织功能障碍的分子标志物,重点关注从功能障碍到健康脂肪组织的转变。
研究人员假设,胰岛素抵抗(IR)较低者比胰岛素抵抗较高者体重下降更明显,并且在高胰岛素-正常血糖钳夹试验中的葡萄糖输注率(GIR)将与体重下降的变异性相关。次要目标包括比较16周治疗前后脂肪量和瘦体重的变化、内脏脂肪的减少以及脂肪组织功能的改善。探索性分析将评估脂肪细胞亚群及其对胰岛素敏感性变化的反应。共将纳入40名参与者,按性别平均分布,以确保检测临床相关差异的统计效能。该研究旨在优化司美格鲁肽在个性化肥胖治疗中的应用,并深入了解肥胖、胰岛素抵抗与脂肪组织可塑性之间的关系,为改善肥胖管理和心血管健康结局提供启示。
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。




