评估胰岛素地特治疗妊娠期糖尿病安全性的国际非干预性队列研究：糖尿病妊娠登记
该数据集来自 clinicaltrials.gov，为一项在歐洲和亞洲开展的国际非干预性队列研究，即糖尿病妊娠登记。研究对象为患有糖尿病（包括 1 型和 2 型糖尿病）的妊娠女性，目的是评估妊娠期使用胰岛素地特治疗的安全性
基本信息
资源简介
评估胰岛素地特治疗妊娠期糖尿病安全性的国际非干预性队列研究：糖尿病妊娠登记
该数据集英文名为 An International Non-interventional Cohort Study to Evaluate the Safety of Treatment With Insulin Detemir in Pregnant Women With Diabetes Mellitus. Diabetes Pregnancy Registry，即糖尿病妊娠登记研究，来源于 clinicaltrials.gov，在本站归入内分泌、营养和代谢疾病 / 糖尿病分类。这是一项在欧洲和亚洲开展的国际非干预性队列研究，研究对象为患有糖尿病的妊娠女性，涵盖 1 型糖尿病与 2 型糖尿病，研究目的在于评估妊娠期使用胰岛素地特治疗的安全性。数据集以糖尿病、1 型糖尿病和 2 型糖尿病为主题标签，可为关注妊娠合并糖尿病治疗安全性的研究与分析提供登记研究层面的资料来源。
【数据集背景】
糖尿病合并妊娠是内分泌与代谢疾病领域需要长期关注的情形，妊娠期降糖治疗的安全性评估对临床决策具有重要意义。该数据集对应的研究是一项国际非干预性队列研究，即糖尿病妊娠登记，研究范围覆盖欧洲和亚洲，关注的对象是患有糖尿病的妊娠女性，包括 1 型糖尿病和 2 型糖尿病患者。研究的核心目的是评估妊娠期使用胰岛素地特治疗的安全性。与干预性试验不同，非干预性队列研究以观察方式开展，这一性质由研究名称直接体现。
【数据内容】
该数据集的主题标签为糖尿病、1 型糖尿病和 2 型糖尿病，研究条件同样指向糖尿病、1 型糖尿病与 2 型糖尿病三类。研究对象为妊娠女性且患有上述糖尿病类型。研究围绕胰岛素地特在妊娠期治疗中的安全性这一主题展开。除上述研究条件、研究对象与研究目的外，数据集所包含的具体变量、记录字段、随访指标及样本规模等信息，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。对应研究在欧洲和亚洲开展，属于国际范围的非干预性队列研究，并以糖尿病妊娠登记的形式组织实施。关于具体的招募方式、数据采集流程、登记中心分布、随访时间安排等操作层面的细节，源站未提供。
【适用场景】
基于其研究主题，该数据集适用于围绕妊娠合并糖尿病治疗安全性开展的分析与参考，尤其是与胰岛素地特在妊娠期使用相关的安全性观察；也可用于了解欧洲和亚洲范围内糖尿病妊娠登记研究的组织形态。由于数据覆盖 1 型与 2 型糖尿病两类人群，相关分析可在这两类妊娠糖尿病患者背景下展开。关于该数据集在其他具体研究场景中的适用性，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该研究为非干预性队列研究，其设计性质由研究名称与描述所体现。关于数据质量评价、样本量、缺失情况、偏倚控制以及使用上的具体限制，源站未提供。
【引用与许可】
源站未提供。
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/NCT01892319
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：糖尿病、1型糖尿病、2型糖尿病。本研究在欧洲和亚洲开展。研究目的（糖尿病妊娠登记研究）是评估地特胰岛素治疗妊娠期糖尿病女性的安全性。
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。
