CloudCare治疗1型糖尿病评估
该数据集来自clinicaltrials.gov，主题为CloudCare在1型糖尿病治疗中的评估。CloudCare是Diabeter提供的CE认证eHealth应用，为可定制的护理管理与决策支持系统，利用算法和自动化从所有传入数据传输中分诊临床相关病例并改善临床工作流程，辅助医疗专业人员更准确掌
基本信息
资源简介
CloudCare治疗1型糖尿病评估
该数据集来自clinicaltrials.gov，主题为CloudCare在1型糖尿病治疗中的评估。CloudCare是Diabeter提供的CE认证eHealth应用，为可定制的护理管理与决策支持系统，利用算法和自动化从所有传入数据传输中分诊临床相关病例并改善临床工作流程，辅助医疗专业人员更准确掌握患者状况以及时联系患者。该前瞻性队列研究旨在估计CloudCare应用在日常实践中对患者治疗的影响，可用于糖尿病管理、eHealth干预及临床工作流程优化相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：1型糖尿病。Diabeter提供一款获得Conformité Européenne（CE）认证的名为CloudCare的电子健康（eHealth）应用程序。这是一个可定制的护理管理与决策支持系统，利用算法和自动化技术，帮助从所有传入的数据传输（数据上传）中分诊临床相关病例，并改善临床工作流程。该系统应作为现有临床护理模式（如面对面会诊）的补充。CloudCare应用程序使医疗保健专业人员（HCP）能够更好、更准确地掌握患者的病情，从而使HCP能够及时联系患者。CloudCare使患者和护理团队能够更好地利用临床相关数据，预计将改善治疗结果和患者体验。这项前瞻性队列研究旨在评估CloudCare应用程序在日常实践中对患者治疗满意度、血糖控制（“glucometric”）、HCP满意度以及成本影响的效果。
【主题与分类】
主题标签：Type 1 Diabetes。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/NCT05431140
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/NCT05431140
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：1型糖尿病。Diabeter提供一款获得Conformité Européenne（CE）认证的名为CloudCare的电子健康（eHealth）应用程序。这是一个可定制的护理管理与决策支持系统，利用算法和自动化技术，帮助从所有传入的数据传输（数据上传）中分诊临床相关病例，并改善临床工作流程。该系统应作为现有临床护理模式（如面对面会诊）的补充。CloudCare应用程序使医疗保健专业人员（HCP）能够更好、更准确地掌握患者的病情，从而使HCP能够及时联系患者。CloudCare使患者和护理团队能够更好地利用临床相关数据，预计将改善治疗结果和患者体验。这项前瞻性队列研究旨在评估CloudCare应用程序在日常实践中对患者治疗满意度、血糖控制（“glucometric”）、HCP满意度以及成本影响的效果。
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。
