保留胰岛素促进健康获益研究
该数据集来自 clinicaltrials.gov,聚焦糖尿病(包括需要胰岛素的 1 型或 2 型糖尿病、Diabetes (DM)、Type 1 Diabetes (T1D))中恢复胰岛素分泌的潜在获益,以及如何在糖尿病患者中最佳测量胰岛素分泌

基本信息
资源简介
保留胰岛素促进健康获益研究
该数据集来自 clinicaltrials.gov,聚焦糖尿病(包括需要胰岛素的 1 型或 2 型糖尿病、Diabetes (DM)、Type 1 Diabetes (T1D))中恢复胰岛素分泌的潜在获益,以及如何在糖尿病患者中最佳测量胰岛素分泌。研究背景指出,多数 1 型糖尿病患者停止自身胰岛素分泌,需依赖注射生存,血糖波动大、难以控制;而 2 型糖尿病多数人仍能产生胰岛素,胰岛素生成丧失不常见。既往研究显示部分 1 型糖尿病患者仍保留一定自身胰岛素分泌,有助于血糖控制,但相关信息有限(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:糖尿病(需要胰岛素,1 型或 2 型)、糖尿病、糖尿病(DM)、1 型糖尿病(T1D)。本研究的目的是了解在糖尿病患者中恢复胰岛素分泌可能带来的益处,并了解如何在糖尿病患者中最好地测量胰岛素分泌。大多数 1 型糖尿病患者会停止自身胰岛素的分泌,这意味着需要注射胰岛素才能生存。这也意味着他们的血糖是波动的,即很难控制血糖水平。这与 2 型糖尿病形成对比,在 2 型糖尿病中大多数人仍继续产生自身胰岛素,胰岛素生成丧失并不常见。既往研究显示,一些 1 型糖尿病患者仍会继续产生部分自身胰岛素,这对他们的血糖控制非常有帮助。然而,相关信息有限
【主题与分类】
主题标签:Diabetes、Diabetes (DM)、Type 1 Diabetes (T1D)。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/NCT07828626
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/NCT07828626
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(需胰岛素治疗,1型或2型)、糖尿病、糖尿病(DM)、1型糖尿病(T1D)。本研究旨在了解恢复糖尿病患者胰岛素分泌可能带来的益处,并了解如何在糖尿病患者中最佳地测量胰岛素分泌。大多数1型糖尿病患者会停止自身胰岛素的分泌,这意味着他们需要依赖胰岛素注射来维持生命。这也意味着他们的血糖水平波动较大,因此很难控制血糖水平。这与2型糖尿病形成对比,在2型糖尿病中,大多数人仍能继续分泌自身的胰岛素,胰岛素分泌功能丧失并不常见。既往研究表明,部分1型糖尿病患者仍能分泌一些自身的胰岛素,这对他们的血糖控制非常有帮助。然而,关于分泌胰岛素的长期益处,以及其他可能的益处(如对幸福感的影响),目前信息有限,尚未得到研究。
了解制造胰岛素的全部益处非常重要,因为已开发出新的治疗方法,旨在保护1型糖尿病患者的胰岛素分泌,和/或恢复胰岛素分泌。这些治疗费用昂贵,可能伴有副作用,并且仅在小型研究中进行了短期探索。全面理解保护或恢复胰岛素分泌可能带来的长期益处,对于判断如NHS这样的医疗提供机构是否应资助这些治疗至关重要。目前,测试保护或恢复个体胰岛素产生的新治疗方法的研究需要频繁检测胰岛素分泌,这通过一种名为混合餐耐量试验的测试进行,该测试需在医院环境中进行,至少耗时2.5小时。这使得这些研究难以参与,且运行成本高昂。现在,胰岛素产生可以在家中通过指尖采血测试来测量,但对于这类研究而言,需要更多关于最佳家庭测试方法的信息。这项研究分为两部分。在第一部分中,
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。




