评估Enicepatide在肥胖或超重伴或不伴2型糖尿病参与者中效果的研究

该数据集来自clinicaltrials.gov,收录一项关于Enicepatide的临床研究,研究对象为肥胖或超重人群,涵盖伴或不伴2型糖尿病(T2DM)的参与者

Hoffmann-La RocheHoffmann-La Roche
clinicaltrials
浏览 8
其他预测ObesityOverweightType 2 Diabetes Mellitus (T2DM)
A Study to Evaluate the Effects of Enicepatide in Participants With Obesity or Overweight, With or Without Type 2 Diabetes

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-09

资源简介

评估Enicepatide在肥胖或超重伴或不伴2型糖尿病参与者中效果的研究

该数据集来自clinicaltrials.gov,收录一项关于Enicepatide的临床研究,研究对象为肥胖或超重人群,涵盖伴或不伴2型糖尿病(T2DM)的参与者。Enicepatide是一种双重胰高血糖素样肽-1(GLP-1)/葡萄糖依赖性促胰岛素多肽(GIP)受体激动剂(RA),拟用于慢性体重管理。研究评估其作为低热量饮食和增加体力活动辅助手段的有效性与安全性,适用于无T2DM但肥胖或超重且至少有一种体重相关合并症的参与者,以及伴有肥胖或超重的T2DM参与者。数据可用于内分泌与代谢疾病领域的疗效与安全性分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肥胖、超重、2型糖尿病(T2DM)。本研究的目的是评估enicepatide的有效性和安全性,enicepatide是一种双重胰高血糖素样肽-1(GLP-1)/葡萄糖依赖性促胰岛素多肽(GIP)受体激动剂(RA),正在开发用于慢性体重管理,作为低热量饮食和增加体力活动的辅助手段,用于无2型糖尿病(T2DM)但患有肥胖或超重且至少有一种体重相关合并症的参与者,以及患有肥胖或超重的T2DM参与者。

【主题与分类】

主题标签:Obesity、Overweight、Type 2 Diabetes Mellitus (T2DM)。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/NCT07670416

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/NCT07670416

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:肥胖、超重、2型糖尿病(T2DM)。本研究旨在评估enicepatide的有效性和安全性,这是一种正在开发用于长期体重管理的双重胰高血糖素样肽-1(GLP-1)/葡萄糖依赖性促胰岛素多肽(GIP)受体激动剂(RA),作为减少热量饮食和增加体力活动的辅助治疗,适用于无2型糖尿病(T2DM)但有肥胖或超重且至少有一种体重相关合并症的参与者,以及有肥胖或超重的T2DM参与者。

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