2型糖尿病患者多器官纵向评估
该数据集来自 clinicaltrials.gov,聚焦2型糖尿病(T2D)患者的多器官纵向评估,涉及代谢综合征相关的一系列病症,包括非酒精性脂肪肝病、非酒精性脂肪性肝炎、心血管疾病(含缺血性心脏病和心力衰竭)以及缺血性或出血性卒中

基本信息
资源简介
2型糖尿病患者多器官纵向评估
该数据集来自 clinicaltrials.gov,聚焦2型糖尿病(T2D)患者的多器官纵向评估,涉及代谢综合征相关的一系列病症,包括非酒精性脂肪肝病、非酒精性脂肪性肝炎、心血管疾病(含缺血性心脏病和心力衰竭)以及缺血性或出血性卒中。数据可用于研究T2D的多重病理生理缺陷,如肾脏葡萄糖重吸收增加、外周葡萄糖利用下降、肝糖生成增加、胰岛素抵抗、胰高血糖素分泌增加、胰岛素分泌减少及肠促胰岛素分泌异常,并支持对相关器官并发症的预测分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:2型糖尿病。代谢综合征的发病率急剧上升;这是一组增加以下疾病风险的病症:2型糖尿病(T2D)(占糖尿病病例的90%)、非酒精性脂肪肝病(NAFLD)、非酒精性脂肪性肝炎(NASH)、心血管疾病(包括缺血性心脏病和心力衰竭)、缺血性或出血性卒中。本项目集中于T2D,该疾病的多重病理生理缺陷包括:肾脏葡萄糖重吸收增加、外周葡萄糖利用减少、因胰岛素抵抗导致的肝葡萄糖生成增加、胰高血糖素分泌增加、胰岛素分泌减少(胰腺)以及肠促胰岛素分泌(胃肠道)。英国T2D估计患病率为5.26%。这代表330万人(相比之下,美国为9.1%或2644万人),相当于88亿英镑。
【主题与分类】
主题标签:Type 2 Diabetes。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04114682
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/NCT04114682
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:2型糖尿病。代谢综合征的发病率急剧上升;这是一组会增加2型糖尿病(T2D,占糖尿病病例的90%)、非酒精性脂肪性肝病(NAFLD)、非酒精性脂肪性肝炎(NASH)、心血管疾病(包括缺血性心脏病和心力衰竭)、缺血性或出血性卒中风险的病症群。本项目聚焦于T2D,该疾病具有多种病理生理缺陷,包括:肾脏葡萄糖重吸收增加、外周葡萄糖利用减少、因胰岛素抵抗导致的肝脏葡萄糖生成增加、胰高血糖素分泌增加、胰岛素分泌减少(胰腺)以及肠促胰岛素分泌减少(胃肠道)。英国T2D的估计患病率为5.26%。这相当于330万人(相比之下,美国为9.1%,即2644万人),在英国相当于88亿英镑的相关医疗费用。2型糖尿病的病因具有异质性——这在其临床表现和随后的进展速度中均可观察到。
与T2D相关的其他因素包括微血管和大血管并发症以及观察到的多器官功能衰退(终末器官损伤)。终末器官损伤促成了T2D患者的临床特征,并且在该患者群体中观察到高共病患病率时得以体现。例如,60%的T2D患者存在NAFLD,同时慢性肾脏病(CKD)的患病率为34.2-50.7%,心血管疾病(CVD)的患病率为32.2%。目前,T2D及其并发症通过循环血浆和血清生物标志物进行监测。然而,这些标志物缺乏足够的敏感性或特异性。一位研究者的初步数据突显了这一问题,该数据表明,85%的肥胖T2D患者经MRI检测存在NAFLD。然而,该患者群体中有很大一部分人的生化生物标志物记录为正常,例如丙氨酸氨基转移酶(ALT)。
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。




