MiniMed下一代延长佩戴传感器及算法在1型和2型糖尿病患者中的评估
该数据集来自clinicaltrials.gov，涉及MiniMed下一代延长佩戴传感器及算法在1型和2型糖尿病患者中的评估研究
基本信息
资源简介
MiniMed下一代延长佩戴传感器及算法在1型和2型糖尿病患者中的评估
该数据集对应一项在1型和2型糖尿病患者中评估MiniMed下一代延长佩戴传感器及算法的临床研究，来源为clinicaltrials.gov，归类于内分泌、营养和代谢疾病下的糖尿病方向。研究采用多中心、前瞻性、单臂、无对照的设计，覆盖成人与儿童受试者，涉及1型糖尿病和2型糖尿病两类人群。从研究整体周期看，自首家研究中心启动至研究完成（即末例受试者完成末次访视）预计约需24个月；而单个受试者从入组到退出研究的时间最长约为46天，其中包含更换传感器以及必要时重复门诊操作所需的时间。该数据集围绕传感器与算法在真实临床研究场景中的评估展开，主题标签为1型糖尿病和2型糖尿病。
【数据集背景】
该数据集所依托的研究聚焦于MiniMed下一代延长佩戴传感器及算法，目标人群为1型糖尿病和2型糖尿病患者。研究设计为多中心、前瞻性、单臂且不设对照组，同时纳入成人和儿童受试者。此类设计通常用于在较广泛人群中对器械或算法的表现进行观察与评估。研究预计从首家研究中心启动到整体完成约持续24个月，受试者个体参与时长最长约46天，涵盖延长佩戴传感器的更换以及必要时的重复门诊操作。
【数据内容】
源站未提供具体数据字段、变量列表、样本量、观测指标或结果数据等细节。已知的信息仅包括研究涉及的条件为1型糖尿病与2型糖尿病，评估对象为MiniMed下一代延长佩戴传感器及算法，研究覆盖成人与儿童受试者，并采用单臂、无对照的前瞻性多中心设计。
【采集与来源】
数据来源站为clinicaltrials.gov。研究为多中心、前瞻性、单臂、无对照设计，受试者为患有1型糖尿病或2型糖尿病的成人和儿童。受试者从入组到退出研究的时间最长约46天，期间包括更换传感器以及必要时重复门诊操作。研究整体预计持续约24个月，从首家研究中心启动至末例受试者完成末次访视。
【适用场景】
该数据集适用于与1型糖尿病和2型糖尿病相关的临床研究背景了解，尤其是围绕MiniMed下一代延长佩戴传感器及算法评估的研究设计参考。其单臂、无对照、多中心、前瞻性的特点，可用于理解在成人和儿童糖尿病患者中开展器械与算法评估时的研究组织方式、受试者参与周期以及整体研究时长安排。源站未提供其他具体适用场景。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或分析指南。
【质量与限制】
源站未提供关于数据质量、完整性、偏倚控制或统计效力等方面的具体说明。已知研究设计为单臂且无对照组，受试者参与时间最长约46天，整体研究预计约24个月。除此之外，源站未提供其他质量与限制相关信息。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT07864168
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、2型糖尿病。本研究是一项多中心、前瞻性单臂设计，无对照组，受试者为成人及儿童T1D或T2D患者。预计研究从首家研究中心启动至研究完成（末例受试者、末次访视完成）大约持续24个月。受试者从入组至退出研究的参与时间大约最长46天（包括更换传感器佩戴及必要时重复门诊操作）。
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。
