连续血糖监测用于糖尿病前期及非重症2型糖尿病血糖与体重管理：一项前瞻性社区（工作场所）队列研究
该数据集来自clinicaltrials.gov，聚焦糖尿病前期及非重症2型糖尿病人群，记录连续血糖监测（CGM）结合个性化饮食教育和智能手机应用的使用情况
基本信息
资源简介
连续血糖监测用于糖尿病前期及非重症2型糖尿病血糖与体重管理：一项前瞻性社区（工作场所）队列研究
该数据集来自 clinicaltrials.gov，英文名称为 Continuous Glucose Monitoring for Glucose and Weight Management in Prediabetes and Non-severe Type 2 Diabetes: A Prospective Community-based (Workplace) Cohort Study，聚焦糖尿病前期及非重症 2 型糖尿病人群。研究旨在评估连续血糖监测（CGM）的使用，结合个性化饮食教育和智能手机应用，在改善血糖控制与体重管理方面的有效性。数据集在内分泌、营养和代谢疾病 / 糖尿病分类下组织，主题标签涵盖糖尿病前期与 2 型糖尿病。其核心价值在于以社区（工作场所）为场景，记录前瞻性队列中 CGM 与饮食教育、手机应用联合使用的相关信息，为相关人群的血糖与体重管理研究提供数据基础。
【数据集背景】
糖尿病前期与非重症 2 型糖尿病是社区和职业人群中常见的代谢健康问题，血糖控制与体重管理是这类人群健康干预的重点方向。连续血糖监测（CGM）能够提供连续的血糖信息，而个性化饮食教育与智能手机应用则构成行为与生活方式干预的载体。该研究以社区（工作场所）为基础开展前瞻性队列研究，目的在于评估上述手段联合使用在改善血糖控制和体重管理方面的有效性。数据集即围绕这一研究目标组织，面向糖尿病前期及非重症 2 型糖尿病人群，属于内分泌、营养和代谢疾病 / 糖尿病分类下的研究数据资源。
【数据内容】
数据集记录的核心内容为连续血糖监测（CGM）的使用情况，以及与之结合的个性化饮食教育和智能手机应用的使用情况。其主题标签为糖尿病前期（PreDiabetes）与 2 型糖尿病（Diabetes Mellitus, Type 2），说明数据覆盖这两类人群。关于具体的变量字段、测量指标、随访时间点、样本量、数据表结构等信息，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。研究设计为前瞻性、以社区（工作场所）为基础的队列研究，研究对象为糖尿病前期及非重症 2 型糖尿病人群。源站描述中列出的研究条件为糖尿病前期与 2 型糖尿病。关于具体的招募方式、采集机构、采集设备型号、采集频率与数据存储形式等信息，源站未提供。
【适用场景】
该数据集适用于与糖尿病前期及非重症 2 型糖尿病人群血糖和体重管理相关的研究与分析场景，例如评估连续血糖监测结合个性化饮食教育和智能手机应用的综合干预效果，或围绕社区（工作场所）场景开展代谢健康研究。由于数据涉及 CGM 使用与生活方式干预信息，也可用于探讨行为干预与血糖管理之间的关系。关于具体的建模用途、分析范式或已验证的应用案例，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该数据集为前瞻性社区（工作场所）队列研究的数据，研究对象限定为糖尿病前期及非重症 2 型糖尿病人群，研究场景具有社区与职业人群特征。关于数据完整性、缺失情况、样本量、偏倚控制、质量控制措施以及数据使用的具体限制，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/NCT06542627
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：糖尿病前期、2型糖尿病。本研究旨在评估使用连续血糖监测（CGM），结合个性化饮食教育和智能手机应用，在改善血糖控制和体重管理方面的有效性。
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。
