SMART-Finder研究:2型糖尿病患者尿白蛋白升高(UACR水平)观察性研究
该数据集来自clinicaltrials.gov,为一项名为SMART-Finder的观察性研究,聚焦德国使用myTherapy医疗应用的2型糖尿病(T2DM)患者
基本信息
资源简介
SMART-Finder研究:2型糖尿病患者尿白蛋白升高(UACR水平)观察性研究
该数据集来自clinicaltrials.gov,为一项名为SMART-Finder的观察性研究,聚焦德国使用myTherapy医疗应用的2型糖尿病(T2DM)患者。研究关注T2DM患者中尿白蛋白升高(UACR水平)的情况,并涉及慢性肾脏病(CKD)作为T2DM并发症的背景。数据可用于探索T2DM患者肾脏损伤相关指标(如尿白蛋白)的分布与关联,支持内分泌与代谢疾病领域的观察性分析(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、慢性肾脏病。这是一项观察性研究,研究德国使用医疗应用“myTherapy”的2型糖尿病(T2DM)患者的数据。在观察性研究中,仅进行观察,不提供指定建议或干预。在T2DM患者中,身体不能产生足够的胰岛素或不能充分使用胰岛素。由此产生的高血糖水平可能随时间推移导致肾脏损伤。因此,慢性肾脏病(CKD)可作为T2DM的并发症出现。肾脏过滤血液中多余的水分和废物并产生尿液。CKD是肾脏正常过滤血液能力长期、进行性下降。尿液中异常量的蛋白质(如白蛋白)是肾脏损伤的标志,因为蛋白质通常保留在血液中。白蛋白的量
【主题与分类】
主题标签:Type 2 Diabetes Mellitus、Chronic Kidney Disease。本站分类:内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05552339
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/NCT05552339
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、慢性肾脏病。这是一项观察性研究,研究来自德国使用医疗应用程序“myTherapy”的2型糖尿病(T2DM)患者的数据。在观察性研究中,仅进行观察,不提供特定建议或干预。T2DM患者体内不能产生足够的胰岛素激素,或不能充分利用胰岛素。由此导致的高血糖水平随时间推移可对肾脏造成损害。因此,慢性肾脏病(CKD)可作为T2DM的并发症出现。肾脏将多余的水分和废物从血液中滤出并生成尿液。CKD是肾脏正常过滤血液能力长期、进行性下降。尿液中白蛋白等蛋白质含量异常是肾损害的标志,因为蛋白质通常保留在血液中。本研究以所谓的尿白蛋白-肌酐比值(UACR)来测量尿液中的白蛋白含量。在真实世界诊疗环境中针对T2DM合并CKD患者的研究有限,尤其是考察随时间推移相关患病人数的研究。
本研究的主要目的是了解在德国使用医疗应用程序“myTherapy”的用户中,有多少2型糖尿病(T2DM)患者的尿白蛋白(UACR水平)也出现升高。此外,研究人员希望了解这些白蛋白水平随时间的变化情况。为回答这一问题,研究人员将在研究开始时及约12个月后收集参与者的UACR水平。UACR由参与者的医生在常规诊疗中使用尿液试纸进行测量。本研究的所有参与者目前正在或将要接受医生根据获批适应症开具的现有T2DM治疗方案之一,或定期使用设备监测血糖水平,并使用“myTherapy”应用程序来支持和追踪其T2DM治疗。收集的数据包括参与者报告的数据和医生提供的实验室数值。所有数据均录入
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。




