数字行为疗法降低糖尿病与肝病风险

数据集获取

源站：https://clinicaltrials.gov/study/NCT07032311

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、肝病。研究目的与目标 本研究旨在评估一款名为SIPPA Health的基于智能手机的行为干预措施能否增强标准糖尿病护理的效果——包括对使用GLP-1受体激动剂（一种常见的可注射糖尿病药物）的患者。SIPPA Health在行为预测分析的指导下，通过应用程序提供每日生活方式指导，包括运动目标、饮食记录、血糖追踪，以及每周与经过培训的健康导航员进行远程随访。本研究将考察在标准治疗基础上加入SIPPA是否能改善血糖控制、降低肝纤维化风险、支持体重管理，并通过数字工具帮助实现糖尿病护理的个性化。具体目标包括：血糖控制：测量使用SIPPA应用程序者与仅接受标准护理者之间糖化血红蛋白（HbA1c）——一种长期血糖标志物——的变化。肝脏健康：测量使用SIPPA应用程序者与仅接受标准护理者之间的纤维化-4（Fib-4）指数，该指数用于评估肝脏瘢痕化程度。

人群层面的糖尿病风险指标：评估SIPPA用户与仅接受标准护理服务的患者之间是否存在分布差异；其中分布将考虑BMI变化、A1c进展、血糖变异性（范围内时间）以及自我护理活动的参与度。AI风险分层（试点）：测试一种机器学习模型，该模型根据临床、行为和健康社会决定因素数据对参与者进行分类。目的是为未来的个性化护理计划提供信息。研究设计 以下是针对ClinicalTrials.gov PRS更新的简要总结和详细描述部分，与您完整的多阶段方案架构（第1阶段HFV可用性门控、两阶段知情同意、1：1随机对照试验和24周开放标签扩展）保持一致：1. 简要总结 简要总结 本研究的目标是评估数字行为

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。