2型糖尿病与糖尿病前期人群多病筛查
该数据集来自 clinicaltrials.gov,聚焦2型糖尿病与糖尿病前期人群的多病筛查,覆盖心力衰竭、阻塞性睡眠呼吸暂停、非酒精性脂肪性肝病等常见合并症

基本信息
资源简介
2型糖尿病与糖尿病前期人群多病筛查
该数据集来自 clinicaltrials.gov,聚焦2型糖尿病与糖尿病前期人群的多病筛查,覆盖心力衰竭、阻塞性睡眠呼吸暂停、非酒精性脂肪性肝病等常见合并症。源站描述指出,这些影响肝脏、心脏和睡眠呼吸的疾病可能与2型糖尿病具有相似的潜在病理过程,因而在糖尿病人群中非常普遍,却未被纳入常规健康检查;且相关风险可能在血糖低于2型糖尿病诊断阈值时即已出现。数据可用于研究糖尿病前期及2型糖尿病人群的多病共存、早期筛查与风险识别(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Type 2 Diabetes, Pre Diabetes, Obstructive Sleep Apnea, Non-Alcoholic Fatty Liver Disease, Heart Failure. 2型糖尿病患者面临与高血糖相关的并发症风险,这些并发症在医疗就诊中会被监测。然而,2型糖尿病患者常伴有其他健康问题,可能影响肝脏、心脏以及睡眠时的呼吸。这些疾病被认为由与导致2型糖尿病相似的潜在过程引起,因此在2型糖尿病患者中非常常见。尽管如此,它们并不属于这些人群常规健康检查的一部分。令人担忧的是,当前研究表明,发生这些健康问题以及2型糖尿病直接并发症的风险,可能在血糖水平低于2型糖尿病阈值时就已经开始。在一组被称为患有pr
【主题与分类】
主题标签:Type 2 Diabetes、Pre Diabetes、Obstructive Sleep Apnea、Non-Alcoholic Fatty Liver Disease、Heart Failure。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/NCT06053177
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/NCT06053177
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
疾病:2型糖尿病、糖尿病前期、阻塞性睡眠呼吸暂停、非酒精性脂肪性肝病、心力衰竭。2型糖尿病患者面临与高血糖相关的并发症风险,在医疗就诊中会对此进行监测。然而,2型糖尿病患者常伴有其他健康问题,这些问题可能影响肝脏、心脏以及睡眠时的呼吸。这些疾病被认为由导致2型糖尿病的相似潜在过程引起,因此在2型糖尿病患者中非常常见。尽管如此,它们并未被纳入这些患者的常规健康检查。令人担忧的是,当前研究表明,发生这些健康问题以及2型糖尿病直接并发症的风险,可能在血糖水平低于2型糖尿病诊断阈值时就已经开始。即在一组被称为糖尿病前期的人群中。这些人目前并未接受年度医疗就诊以监测这些健康并发症或其他相关健康状况。本研究旨在试点一种新型诊所模式来解决这些问题。
研究人员将进行多病共存评估,即同时查找多种不同的健康问题。研究人员将关注与高血糖相关的健康问题,包括肝脏、心脏、神经、眼部问题以及参与者的夜间呼吸情况。他们开发了一种门诊访视方案,利用问卷、简单的检查技术和现代设备来尝试识别这些健康问题。医疗保健的一个重要方面是它给有健康问题的人带来的负担,考虑到这一点,研究人员将让参与研究的人发声,以尝试指导未来的研究和医疗保健。研究人员将请他们对参与研究的体验以及他们对接受更长但更全面的健康就诊的想法提供反馈。
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。




