糖尿病患者颈动脉粥样硬化与血管事件
该数据集来自 clinicaltrials.gov，聚焦糖尿病患者中的颈动脉粥样硬化及其与血管事件的关系。研究通过动脉双功能超声对糖尿病队列进行前瞻性评估，观察颈动脉粥样硬化的进展，并分析该进展对血管事件的影响
基本信息
资源简介
糖尿病患者颈动脉粥样硬化与血管事件
该数据集英文名为 Carotid Atherosclerosis and Vascular Events in People With Diabetes，来源于 clinicaltrials.gov，在本站归类于内分泌、营养和代谢疾病下的糖尿病分类，主题标签为颈动脉粥样硬化。数据集聚焦糖尿病患者群体中的颈动脉粥样硬化及其与血管事件的关系。糖尿病是颈动脉粥样硬化的危险因素，而颈动脉粥样硬化的进展与血管事件风险升高相关。研究通过动脉双功能超声对糖尿病队列进行前瞻性评估，观察颈动脉粥样硬化的进展情况，并分析该进展对血管事件的影响。其核心研究假设是：存在颈动脉粥样硬化进展的人群，其血管事件风险高于未出现任何进展的人群。
【数据集背景】
糖尿病是颈动脉粥样硬化的危险因素，颈动脉粥样硬化的进展与血管事件风险增加相关。基于这一背景，研究者针对糖尿病患者队列开展了前瞻性研究，采用动脉双功能超声评估颈动脉粥样硬化的进展，旨在评估进展本身的重要性，并分析这种进展对血管事件的影响。研究的主要假设是，出现颈动脉粥样硬化进展的人群比没有进展的人群面临更高的血管事件风险。
【数据内容】
该数据集围绕糖尿病患者中颈动脉粥样硬化的进展及其与血管事件的关系组织内容。研究关注的核心变量包括经动脉双功能超声评估的颈动脉粥样硬化进展情况，以及随访过程中发生的血管事件。数据集的主题标签为颈动脉粥样硬化。关于具体样本量、随访时长、事件类型细分、超声测量指标等细节，源站未提供。
【采集与来源】
数据来源于 clinicaltrials.gov。研究采用前瞻性设计，通过动脉双功能超声对糖尿病队列进行颈动脉粥样硬化的进展评估。关于采集机构、采集地点、采集时间窗口及具体超声操作规范等信息，源站未提供。
【适用场景】
该数据集适用于与糖尿病相关颈动脉粥样硬化及血管事件风险相关的研究场景，例如探讨颈动脉粥样硬化进展与血管事件之间关系的分析、糖尿病患者血管风险分层相关的方法学研究，以及以动脉双功能超声评估粥样硬化进展为暴露或结局的观察性研究。关于具体可支持的分析类型与建模用途，源站未提供。
【使用方法】
使用该数据集时，可围绕颈动脉粥样硬化进展状态对人群进行分组，比较进展组与无进展组的血管事件发生情况，以检验进展人群血管事件风险更高的假设。关于数据访问方式、文件格式、字段结构及配套分析代码等信息，源站未提供。
【质量与限制】
该数据集为基于 clinicaltrials.gov 的前瞻性队列研究资料，其设计特点在于以动脉双功能超声评估颈动脉粥样硬化进展并观察血管事件。关于样本量、失访情况、超声测量的可重复性、事件判定的盲法程度及混杂控制等质量相关信息，源站未提供。使用时应结合源站记录核实研究状态与数据可用性。
【引用与许可】
关于该数据集的引用格式与许可条款，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/NCT02929355
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：颈动脉粥样硬化。糖尿病是颈动脉粥样硬化的危险因素，其进展与血管事件风险增加相关。研究人员通过动脉双功能超声前瞻性评估了一组糖尿病患者中颈动脉粥样硬化的进展，以评估进展的重要性，并分析该进展对血管事件的影响。主要假设是，颈动脉粥样硬化进展者发生血管事件的风险高于无进展者。
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。
