建立新发高血糖与糖尿病队列的研究

源站描述显示,研究计划在 5 年内组建一个由 10,000 名符合条件并已入组受试者构成的前瞻性新发糖尿病(NOD)队列,每位患者在满足生化(血糖)糖尿病标准之日起参与最长 3 年;将通过站点电子病历数据库或其他招募途径(如医生转诊和自我推荐)识别符合 NOD 标准的受试者

Fred Hutchinson Cancer CenterFred Hutchinson Cancer Center
clinicaltrials
浏览 2
文本预测DiabetesType2 DiabetesDiabetes Mellitus
A Study to Establish a New Onset Hyperglycemia and Diabetes Cohort

基本信息

模态
文本
任务类型
预测
创建/更新时间
2026-10-21

资源简介

建立新发高血糖与糖尿病队列的研究

该数据集来自 clinicaltrials.gov,属于内分泌、营养和代谢疾病下的糖尿病分类,主题标签涵盖 Diabetes、Type2 Diabetes 与 Diabetes Mellitus。源站描述显示,研究计划在 5 年内组建一个由 10,000 名符合条件并已入组受试者构成的前瞻性新发糖尿病(NOD)队列,每位患者在满足生化(血糖)糖尿病标准之日起参与最长 3 年;将通过站点电子病历数据库或其他招募途径(如医生转诊和自我推荐)识别符合 NOD 标准的受试者。该数据可用于新发高血糖与糖尿病相关队列研究及风险预测(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:Diabetes、Type2 Diabetes、Diabetes Mellitus。将在未来 5 年内组建一个由 10,000 名符合条件并已入组受试者构成的前瞻性 NOD 队列,每位患者自满足生化(血糖)糖尿病标准之日起参与最长 3 年。将利用站点电子病历数据库或其他招募途径(如医生转诊和自我推荐)来识别符合 NOD 标准的受试者。

【主题与分类】

主题标签:Diabetes、Type2 Diabetes、Diabetes Mellitus。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/NCT03731637

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/NCT03731637

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:糖尿病、2型糖尿病、糖尿病 mellitus。将在未来5年内组建一个由10,000名符合条件的入组受试者组成的前瞻性NOD队列,每位患者自满足糖尿病的生化(血糖)标准之日起参与长达3年。将利用各中心的电子病历数据库或其他招募途径,如医生转诊和自我推荐,来识别符合NOD标准的受试者。

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