Flash Glucose Monitoring 在合并慢性肾病的糖尿病患者中减少低血糖的研究

条件:糖尿病合并糖尿病慢性肾病(诊断)。这将是一项在香港 Prince of Wales Hospital 开展的单中心研究

Chinese University of Hong KongChinese University of Hong Kong
clinicaltrials
浏览 11
蛋白质预测糖尿病慢性肾病低血糖CGM内分泌与代谢
Flash Glucose Monitoring in Reduction of Hypoglycaemia in Diabetic Patients with Chronic Kidney Disease

基本信息

模态
蛋白质
任务类型
预测
创建/更新时间
2026-10-14

资源简介

Flash Glucose Monitoring 在合并慢性肾病的糖尿病患者中减少低血糖的研究

该数据集英文名为 Flash Glucose Monitoring in Reduction of Hypoglycaemia in Diabetic Patients with Chronic Kidney Disease,来源于 clinicaltrials.gov,本站归类于内分泌、营养和代谢疾病 / 糖尿病方向。其主题标签为 Diabetes with Diabetic Chronic Kidney Disease (Diagnosis),即聚焦糖尿病合并糖尿病慢性肾病(诊断)人群。源站描述显示,这是一项在香港 Prince of Wales Hospital 开展的单中心研究,研究对象将从既有的糖尿病合并慢性肾病患者登记库中识别,潜在受试者来自糖尿病、普通内科及肾脏门诊就诊患者。研究涉及基线糖化血红蛋白、肾功能测量,以及全面的病史和用药史采集,并使用盲法持续葡萄糖监测设备获取基线血糖谱,最终以低血糖减少为核心关注点。该数据集整体上属于糖尿病合并慢性肾病领域的一项临床研究记录,用于支持对血糖监测干预与低血糖风险之间关系的观察与分析。

【数据集背景】

该数据集所对应的研究背景为糖尿病合并糖尿病慢性肾病(诊断)人群的血糖管理问题。研究关注的核心是低血糖的减少,并采用闪速葡萄糖监测作为干预或观察手段。研究地点为香港 Prince of Wales Hospital,属于单中心设计。患者识别依托于一个既有的糖尿病合并慢性肾病患者登记库,同时也会从糖尿病、普通内科和肾脏门诊的就诊患者中筛选潜在受试者。这一背景说明该数据集面向的是具有慢性肾脏病合并症的糖尿病人群,而非一般糖尿病人群,其临床场景具有明确的专科交叉特征。

【数据内容】

源站描述中涉及的数据内容包括:基线 HbA1c、肾功能测量结果,以及全面的病史和用药史信息。此外,研究还包含盲法持续葡萄糖监测所获取的基线葡萄糖谱数据。所使用的设备为 Medtronic iPro2 professional CGM,在 week-1 阶段以盲法方式佩戴,用于捕捉基线 CGM 轮廓。若盲法 CGM 传感器丢失或发生故障,传感器将更换一次。只有在盲法佩戴期间获得至少 50% 传感器数据的患者,才会进入随机化阶段。源站描述在“At week 0, patient”处中断,后续内容未提供。除上述内容外,数据集的具体变量结构、样本量、随访时长、结局指标定义等,源站未提供。

【采集与来源】

该数据集来源于 clinicaltrials.gov,属于临床研究注册信息。采集场景为香港 Prince of Wales Hospital 的单中心研究。受试者识别途径包括既有糖尿病合并 CKD 登记库,以及糖尿病、普通内科和肾脏门诊。研究流程包括:在获得知情同意后,患者接受筛查,测量基线 HbA1c 和肾功能,并采集全面病史与用药史以确认资格。符合条件的患者将在 week-1 佩戴盲法 CGM 以获取基线血糖谱。传感器丢失或故障时可更换一次。达到至少 50% 传感器数据要求的患者进入随机化。源站描述在 week 0 处中断,后续采集流程未提供。

【适用场景】

该数据集适用于糖尿病合并慢性肾病(诊断)人群的血糖监测与低血糖研究场景。其主题标签明确指向糖尿病合并糖尿病慢性肾病,因此可用于关注该共病人群中葡萄糖监测技术应用、低血糖风险降低以及基线血糖谱特征的研究。由于研究使用盲法 CGM 获取基线数据,并设置传感器数据完整性门槛,该数据集也适用于需要评估持续葡萄糖监测数据质量与随机化资格之间关系的分析场景。此外,该数据集来源于临床研究注册信息,可用于了解该研究的设计框架、受试者来源和筛查流程。但具体统计分析、终点定义和结果数据,源站未提供。

【使用方法】

源站未提供该数据集的具体使用方法、访问方式、下载格式或分析指南。源站描述仅涉及研究设计层面的信息,包括受试者识别、筛查、基线测量、盲法 CGM 佩戴、传感器更换规则以及随机化前的最低数据要求。关于如何获取数据、如何引用数据、是否需要申请或审批,源站未提供。因此,无法依据现有信息给出具体的使用步骤或操作说明。

【质量与限制】

该数据集为单中心研究,地点为香港 Prince of Wales Hospital,样本来源限于既有登记库及糖尿病、普通内科和肾脏门诊就诊患者。研究设置了盲法 CGM 佩戴期间至少 50% 传感器数据的门槛,未达到该门槛的患者不进入随机化,这在一定程度上控制了葡萄糖监测数据的完整性。传感器丢失或故障时允许更换一次。源站描述在 week 0 处中断,因此随机化后的干预分配、随访安排、结局评估和统计方法均未提供。该数据集的具体样本量、人群代表性、随访时长、缺失数据处理方式以及偏倚控制措施,源站未提供。此外,作为临床研究注册信息,其描述可能不包含最终研究结果或完整数据字典。

【引用与许可】

源站未提供该数据集的引用格式、许可条款、使用限制或数据共享政策。该数据集来源于 clinicaltrials.gov,但源站描述中未提及任何关于知识产权、数据访问权限或再分发条件的说明。因此,关于引用与许可的具体要求,源站未提供。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04016155

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:糖尿病合并糖尿病慢性肾脏病(诊断)。这将是一项在香港威尔士亲王医院开展的单中心研究。患者将从现有的糖尿病合并CKD患者登记库中识别。潜在受试者将从就诊于糖尿病、普通内科及肾脏科门诊的患者中识别。在获得知情同意后,患者将接受筛查,测量基线HbA1c、肾功能,并收集全面的病史和用药史以确认资格。所有符合条件的患者将在第-1周佩戴盲式CGM(Medtronic iPro2专业CGM),以获取基线血糖谱,用于采集基线CGM图谱。若盲式CGM传感器脱落或故障,传感器将更换一次。在盲式佩戴期间传感器数据至少达到50%的患者将进入随机化。在第0周,患者将被随机分配至瞬感血糖监测或SMBG。两组均将接受关于糖尿病自我管理、低血糖预防和治疗的标准化教育。这将与研究中心的常规实践一致。

在FGM组中,患者将接受关于设备插入和操作的培训,并可使用设备软件查看动态血糖图谱。患者将被建议在出现低血糖症状、FGM显示血糖<3.9mmol或血糖不稳定的情况下,通过SMBG确认血糖读数。随机分配到对照组的患者将使用专用血糖仪每天至少进行两次SMBG。在第16周,两组患者将再次佩戴盲法CGM,以评估主要和次要结局。受试者将填写低血糖日记,记录研究期间的有症状或无症状低血糖。两组患者将在基线、第8周和第16周完成关于低血糖无感知、低血糖恐惧和患者报告结局的问卷。

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。

获取专属数据定制方案