糖尿病前期患者睡眠呼吸暂停的技术支持治疗

本试验针对睡眠呼吸暂停、糖尿病前期、超重或肥胖人群,开展为期6个月的随机对照平行组研究,设两个干预组。受试者在基线后随机分配至单纯生活方式干预组或生活方式联合CPAP干预组,并于基线和6个月干预后接受相同的代谢与心血管评估

University of ChicagoUniversity of Chicago
clinicaltrials
浏览 19
其他Sleep ApneaPreDiabetesOverweight or Obesity
Technology-Supported Treatment of Sleep Apnea in Prediabetes

基本信息

模态
其他
创建/更新时间
2026-10-01

资源简介

糖尿病前期患者睡眠呼吸暂停的技术支持治疗

本试验针对睡眠呼吸暂停、糖尿病前期、超重或肥胖人群,开展为期6个月的随机对照平行组研究,设两个干预组。受试者在基线后随机分配至单纯生活方式干预组或生活方式联合CPAP干预组,并于基线和6个月干预后接受相同的代谢与心血管评估。生活方式组通过饮食和运动减重;联合CPAP组在此基础上额外接受CPAP治疗。所有受试者均使用定制智能手机应用追踪减重和/或CPAP目标,并接受每周电话辅导以提高治疗依从性(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:睡眠呼吸暂停、糖尿病前期、超重或肥胖。这是一项为期6个月、双臂随机对照平行组试验。基线评估后,受试者将被随机分配至单纯生活方式干预组(生活方式组)或生活方式联合CPAP干预组(生活方式+CPAP组)。将在基线和干预6个月后进行相同的代谢和心血管评估。生活方式组旨在通过饮食和运动实现减重。生活方式+CPAP组将额外接受CPAP治疗。所有受试者将使用定制智能手机应用程序来追踪减重和/或CPAP目标,并每周接受指导电话,以最大程度提高治疗依从性。

【主题与分类】

主题标签:Sleep Apnea、PreDiabetes、Overweight or Obesity。本站分类:循环系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04225507

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04225507

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

疾病:睡眠呼吸暂停、糖尿病前期、超重或肥胖。这是一项为期6个月、双臂随机对照平行组试验。基线评估后,受试者将被随机分配至单纯生活方式干预组(生活方式组)或生活方式联合CPAP干预组(生活方式+CPAP组)。将在基线和干预6个月后进行相同的代谢和心血管评估。生活方式组旨在通过饮食和运动实现减重。生活方式+CPAP组将额外接受CPAP治疗。所有受试者将使用定制智能手机应用程序来追踪减重和/或CPAP目标,并每周接受指导电话,以最大程度提高治疗依从性。

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。

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。

获取专属数据定制方案