囊性纤维化相关糖尿病的葡萄糖代谢研究
本数据集来自 clinicaltrials.gov,聚焦囊性纤维化相关糖尿病(CFRD)的葡萄糖代谢机制。研究采用单次混合餐耐量试验(MMTT)作为生理挑战,综合评估 CFRD 个体的葡萄糖周转、胰岛素分泌、胰岛素敏感性和脂解等多参数

基本信息
资源简介
囊性纤维化相关糖尿病的葡萄糖代谢研究
本数据集来自 clinicaltrials.gov,聚焦囊性纤维化相关糖尿病(CFRD)的葡萄糖代谢机制。研究采用单次混合餐耐量试验(MMTT)作为生理挑战,综合评估 CFRD 个体的葡萄糖周转、胰岛素分泌、胰岛素敏感性和脂解等多参数。该试点研究旨在检验 CFTR 调节剂(ETI)是否通过增强处置指数(DI)改善携带 CFTR 阳性突变(至少一个 F508del 拷贝)并接受 ETI 治疗的 CFRD 患者的空腹和餐后血糖。数据可用于探索 CFRD 代谢异常组分及 ETI 疗效的初步分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:囊性纤维化相关糖尿病。这是一项机制性观察研究,不是临床试验。给予单次混合餐耐量试验(MMTT)的生理挑战,将能够全面评估 CFRD 个体的葡萄糖周转、胰岛素分泌、胰岛素敏感性和脂解等多个参数。MMTT 是同时测量胰岛素作用和分泌以及葡萄糖动力学的金标准。该试点研究旨在检验使用 CFTR 调节剂(ETI)是否通过增强处置指数(DI)改善携带 CFTR 阳性突变(至少一个 F508del 拷贝)并接受 CFTR 调节剂(ETI)治疗的 CFRD 个体(CFRDF508del+ETI)的空腹和餐后血糖。我们计划收集关于 CFRD 以下方面的关键初步数据:1. 特定组分(基础与静态
【主题与分类】
主题标签:Cystic Fibrosis Related 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/NCT07102043
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/NCT07102043
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:囊性纤维化相关糖尿病。这是一项机制性观察研究,并非临床试验。研究将实施单次混合餐耐量试验(MMTT)这一生理性激发试验,从而能够对CFRD患者的葡萄糖周转、胰岛素分泌、胰岛素敏感性及脂解作用的多个参数进行全面评估。MMTT是同时测定胰岛素作用与分泌以及葡萄糖动力学的金标准。该初步研究旨在检验使用CFTR调节剂(ETI)是否通过提高CFRD患者的处置指数(DI)来改善空腹及餐后血糖,这些患者携带CFTR阳性突变(至少一个F508del拷贝)并正在接受CFTR调节剂(ETI)治疗(CFRDF508del+ETI)。我们计划收集关于CFRD以下方面的关键初步数据:1. CFRDF508del+ETI及CFRD-ETI个体中β细胞功能特定组分(基础相 vs. 静态相 vs. 动态相)的异常。2. ETI对β细胞功能各组分的影响。3. CFTR突变及CFTR调节剂(CFRDF508del+ETI)对CFRD中胰岛素敏感性和餐后葡萄糖周转的影响。
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。




