LC-Z300-01 对糖尿病患者蛋白尿的疗效与安全性
该数据集来自 clinicaltrials.gov,主题为 LC-Z300-01 对糖尿病患者蛋白尿的疗效与安全性,属于内分泌、营养和代谢疾病 / 糖尿病分类

基本信息
资源简介
LC-Z300-01 对糖尿病患者蛋白尿的疗效与安全性
该数据集来自 clinicaltrials.gov,主题为 LC-Z300-01 对糖尿病患者蛋白尿的疗效与安全性,属于内分泌、营养和代谢疾病 / 糖尿病分类。源站描述显示,研究针对确诊糖尿病肾病的患者,采用前瞻性、安慰剂对照、双盲、随机临床试验设计,60 名参与者按 1:1:1 随机分配接受低剂量多糖、高剂量多糖或安慰剂,干预 24 周。数据可用于糖尿病肾病治疗干预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):疾病:糖尿病肾病。糖尿病肾病的发病率呈逐年上升趋势,已成为尿毒症的首要病因。尽管有指南推荐的 RAS 抑制剂等疗法,糖尿病肾病患者仍面临较高的疾病进展风险,尤其是在大量蛋白尿持续存在时。通过肾病管理进行早期干预可有效延缓肾功能恶化,在降低尿毒症风险方面具有显著的临床价值。LC-Z300-01 是一种甘蔗来源的多糖,配制成膳食补充剂,正在这项前瞻性、安慰剂对照、双盲、随机临床试验中接受评估。60 名确诊糖尿病肾病的参与者将被随机分配(1:1:1)接受低剂量多糖、高剂量多糖或安慰剂,干预 24 周。
【主题与分类】
主题标签:Diabetic Kidney Disease。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/NCT06686758
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/NCT06686758
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
疾病:糖尿病肾病。糖尿病肾病的发病率呈逐年上升趋势,已成为导致尿毒症的首要原因。尽管有指南推荐的疗法如RAS抑制剂,糖尿病肾病患者仍面临疾病进展的高风险,尤其是当大量蛋白尿持续存在时。通过肾病管理进行早期干预可有效延缓肾功能恶化,在降低尿毒症风险方面具有显著的临床价值。LC-Z300-01是一种甘蔗来源的多糖,制成膳食补充剂,正在这项前瞻性、安慰剂对照、双盲、随机临床试验中进行评估。六十名确诊为糖尿病肾病的参与者将按1:1:1随机分配接受低剂量多糖、高剂量多糖或安慰剂,进行24周的干预及后续监测。预设的主要终点是uACR从基线至第24周的绝对变化。
次要终点包括:(1)与基线相比,尿白蛋白肌酐比率(uACR)降低≥30%的参与者比例;(2)估算肾小球滤过率(eGFR)的年下降率;(3)糖化血红蛋白(HbA1c)轨迹变化;(4)血糖控制在目标范围内时间(TIR)的指标。将对所有接受至少1剂给药的所有入组受试者进行安全性评估。
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。




