PBMC作为糖尿病心肌病生物标志物

该数据集来自clinicaltrials.gov,聚焦2型糖尿病(T2D)合并代谢综合征(MS)人群的心脏功能损害,即糖尿病心肌病(DC)

Hospices Civils de LyonHospices Civils de Lyon
clinicaltrials
浏览 4
其他分类Type 2 DiabetesMetabolic Syndrome
PBMC as Biomarkers of Diabetic Cardiomyopathy

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-10

资源简介

PBMC作为糖尿病心肌病生物标志物

该数据集来自clinicaltrials.gov,聚焦2型糖尿病(T2D)合并代谢综合征(MS)人群的心脏功能损害,即糖尿病心肌病(DC)。覆盖疾病包括2型糖尿病、代谢综合征、射血分数保留的心力衰竭(HFpEF)和射血分数轻度降低的心力衰竭(HFmrEF)。数据涉及外周血单个核细胞(PBMC)作为潜在生物标志物,用于探索心脏重构与细微心肌功能障碍的预测价值。可用于研究T2D+MS患者向HFpEF或HFmrEF进展的风险分层与生物标志物筛选(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、射血分数保留的心力衰竭、射血分数轻度降低的心力衰竭。2型糖尿病(T2D),尤其是合并代谢综合征(MS)时,发生射血分数保留的心力衰竭(HFpEF)或射血分数轻度降低的心力衰竭(HFmrEF)的风险很高,而T2D+MS对心脏功能损害的具体影响通常被称为“糖尿病心肌病”(DC)。心脏重构(即肥厚)和细微心肌功能障碍在T2D+MS中非常普遍,但特异性不足以预测进一步的HFpEF或HFmrEF。此外,当前的生物标志物可以识别但不能预测T2D患者的HFpEF或HFmrEF;因此,需要特异性生物标志物。从外周血样本中获得的外周血单个核细胞(PBMC)可以提供来自ca的见解

【主题与分类】

主题标签:Type 2 Diabetes、Metabolic Syndrome。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/NCT05651919

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/NCT05651919

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

条件:2型糖尿病、代谢综合征、射血分数保留的心力衰竭、射血分数轻度降低的心力衰竭。2型糖尿病(T2D),尤其是合并代谢综合征(MS)时,发生射血分数保留的心力衰竭(HFpEF)或射血分数轻度降低的心力衰竭(HFmrEF)的风险较高,而T2D+MS对心脏功能损害的具体影响通常被称为“糖尿病心肌病”(DC)。心脏重构(即心肌肥厚)和轻微心肌功能障碍在T2D+MS中非常普遍,但特异性不足以预测进一步的HFpEF或HFmrEF。此外,目前的生物标志物可以识别但不能预测T2D患者中的HFpEF或HFmrEF;而且,仍需特异性生物标志物。从外周血样本中获取的外周血单核细胞(PBMC)可以提供钙和炎症通路的见解,并可能识别T2D+MS与HFpEF之间共享的更特异的分子特征。

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