评估MBX-102在二甲双胍血糖控制不佳的2型糖尿病患者中的安全性和有效性
该数据集来自clinicaltrials.gov，聚焦于内分泌、营养和代谢疾病下的糖尿病领域，主题为Type 2 Diabetes Mellitus
基本信息
资源简介
评估MBX-102在二甲双胍血糖控制不佳的2型糖尿病患者中的安全性和有效性
该数据集来自clinicaltrials.gov，聚焦于内分泌、营养和代谢疾病下的糖尿病领域，主题为Type 2 Diabetes Mellitus。源站描述显示，这是一项随机对照研究，计划入组约240例患者，分为MBX-102 400 mg组、MBX-102 600 mg组、安慰剂组和Actos®组，每组60例，评估MBX-102在二甲双胍血糖控制不佳的2型糖尿病患者中的安全性和有效性。数据可用于分析不同治疗方案的疗效差异，尤其是HbA1c变化等指标（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：2型糖尿病。本研究将随机分配约240名患者，60名进入两个MBX-102治疗组（每日400和600毫克），60名进入安慰剂组，60名进入Actos®组。Actos®组患者在治疗阶段的前八周接受Actos® 30毫克/天，在治疗阶段的最后16周接受Actos® 45毫克/天。MBX-102 400毫克组和MBX-102 600毫克组患者将分别继续接受MBX-102 400毫克和600毫克，持续整整24周。所有研究药物都将进行胶囊包被；因此，每位患者每天将服用两粒盲法胶囊，其中含有安慰剂、MBX-102或Actos®。该样本量提供了预期的最小数量，以确保在检测安慰剂与实验治疗之间HbA1c差异为0.64%时，使用双尾、双样本t检验具有至少90%的把握度。
【主题与分类】
主题标签：Type 2 Diabetes Mellitus。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/NCT00814372
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/NCT00814372
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：2型糖尿病。本研究将随机分配约240名患者，其中60名分配至两个MBX-102治疗组（每日400毫克和600毫克）之一，60名分配至安慰剂组，60名分配至Actos®组。Actos®组患者在治疗阶段的前八周将接受Actos®每日30毫克，后16周接受Actos®每日45毫克。MBX-102 400毫克组和MBX-102 600毫克组的患者将分别继续接受MBX-102 400毫克和600毫克，持续整整24周。所有研究药物均采用胶囊包被；因此，每位患者每天将服用两粒盲法胶囊，内含安慰剂、MBX-102或Actos®。此样本量提供了预期的最小数量，以确保在安慰剂与实验治疗之间HbA1c差异为0.64%时，使用双尾、两样本t检验，一类错误率为0.05，当合并标准差≤1.0%，且脱落率≤12.5%时，检测效能至少达到90%。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
