理解与应对低社会经济地位及糖尿病对心力衰竭的风险
研究为2:1随机对照试验,计划纳入156名来自马里兰州巴尔的摩市和黑格斯敦的低社会经济地位个体,具备2型糖尿病、肥胖及亚临床心脏功能障碍证据但无临床心力衰竭诊断

基本信息
资源简介
理解与应对低社会经济地位及糖尿病对心力衰竭的风险
该数据集来自clinicaltrials.gov,聚焦循环系统疾病中的心力衰竭,涵盖Type2diabetes、Heart Failure与Obesity。研究为2:1随机对照试验,计划纳入156名来自马里兰州巴尔的摩市和黑格斯敦的低社会经济地位个体,具备2型糖尿病、肥胖及亚临床心脏功能障碍证据但无临床心力衰竭诊断。6个月多水平干预包含问题解决-糖尿病自我管理培训(DECIDE)等组件,可用于分析低社会经济地位与糖尿病对心力衰竭风险的影响及干预效果预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Type2diabetes、Heart Failure、Obesity。本随机对照试验采用2:1分配比例。研究旨在纳入156名来自马里兰州巴尔的摩市和黑格斯敦的个体,其特征为低社区和个人社会经济地位、2型糖尿病、肥胖以及亚临床心脏功能障碍证据,且既往无临床心力衰竭诊断。为期6个月的多水平干预由三个关键部分组成:1. 问题解决 - 糖尿病自我管理培训(DECIDE):参与者将参加每两周一次、基于证据的行为改变项目DECIDE。该项目侧重于问题解决培训,帮助个体通过克服障碍和挑战来管理慢性病。它旨在增强自我护理、改善代谢风险因素的控制,并包括关于心力衰竭预防的定制教育
【主题与分类】
主题标签:Type2diabetes、Heart Failure、Obesity。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/NCT06364644
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/NCT06364644
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、心力衰竭、肥胖。本随机对照试验采用2:1的分配比例。该研究旨在从马里兰州巴尔的摩市和黑格斯敦招募156名个体,其特点是社区和个人社会经济地位较低、患有2型糖尿病、肥胖,并存在亚临床心脏功能障碍的证据,但既往无心力衰竭的临床诊断。为期6个月的多层次干预由三个关键部分组成:1. 问题解决——糖尿病自我管理培训(DECIDE):参与者将参加一项每两周一次、以证据为基础的行为改变项目,名为DECIDE。该项目侧重于问题解决培训,帮助个体克服障碍和挑战以管理慢性疾病。其旨在增强自我照护、改善代谢危险因素的控制,并包括针对心力衰竭预防的定制教育。2. 社区卫生工作者支持:作为干预的一部分,参与者将获得社区卫生工作者提供的持续支持。
这些工作人员将至少每月进行一次电话和/或家访,在以下方面提供协助:* 强化患者关于疾病自我管理的教育 * 帮助患者获得医疗服务,并解决获得医疗和治疗的障碍 * 作为临床医疗、社会服务及其他社区资源的促进者和导航者 * 提供鼓励和支持,以促进患者的参与、激活和赋权,并支持其支持系统 3. 健康指导及与社区设施的合作:参与者将在当地基督教青年会(YMCAs)参加有监督的有氧和抗阻运动训练。参与者将收到关于在为期6个月的干预期间逐渐增加活动水平的指导,以实现身体活动目标(每周150分钟的中等至剧烈运动)。
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。




