糖尿病慢性肾病中Hepcidin-25对死亡及进展至终末期肾病的预测
该数据集来自search.dataone.org，属于内分泌、营养和代谢疾病/糖尿病分类，主题为糖尿病慢性肾病中Hepcidin-25对死亡及进展至终末期肾病的预测
基本信息
资源简介
糖尿病慢性肾病中Hepcidin-25对死亡及进展至终末期肾病的预测
Hepcidin-25 in diabetic chronic kidney disease is predictive for mortality and progression to end stage renal disease
该数据集来自search.dataone.org，属于内分泌、营养和代谢疾病/糖尿病分类，主题为糖尿病慢性肾病中Hepcidin-25对死亡及进展至终末期肾病的预测。研究纳入249例任何分期的糖尿病慢性肾病患者（排除终末期肾病），于2003至2005年入组，且未接受促红细胞生成素刺激剂和铁剂治疗。Hepcidin-25通过放射免疫法测定，分析其基线水平与临床变量的关联，并评估全因死亡及慢性肾病进展的复合终点。数据可用于研究铁代谢激素与糖尿病肾病临床结局的关系（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：贫血在糖尿病慢性肾脏病（CKD）中常见，并与临床结局受损相关。这可能由促红细胞生成素（EPO）合成减少解释，但近期数据提示EPO抵抗和因炎症导致的铁可利用性降低也显著参与。在这项队列研究中，我们评估了hepcidin-25——铁代谢的关键激素——连同内源性EPO水平对糖尿病CKD患者临床结局的影响。方法：纳入249例任何分期的糖尿病CKD患者，排除终末期肾病（ESRD），于2003年至2005年入组，且未接受EPO刺激剂和铁剂治疗。Hepcidin-25水平通过放射免疫法测定。使用线性回归模型研究基线hepcidin-25与临床变量的关联。全因死亡率和CKD进展的复合终点
【主题与分类】
主题标签：Chronic kidney disease、hepcidin-25、end stage renal disease、Erythropoietin、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://search.dataone.org/view/sha256%3A6fb623fafd2d75d424177a9fec8343dd33fc88f2ccf5ce2ee66690a7615ae655
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
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
背景：贫血在糖尿病慢性肾脏病（CKD）患者中很常见，并与临床结局受损相关。这可能由促红细胞生成素（EPO）合成减少解释，但近期数据提示EPO抵抗和炎症导致的铁利用度降低也起重要作用。在本队列研究中，我们评估了铁代谢关键激素hepcidin-25以及内源性EPO水平对糖尿病CKD患者临床结局的影响。方法：纳入249例任何分期的糖尿病CKD患者，排除终末期肾病（ESRD），入组时间为2003年至2005年，且患者未接受EPO刺激剂和铁剂治疗。采用放射免疫分析法测定hepcidin-25水平。使用线性回归模型研究基线hepcidin-25与临床变量的关联。通过Cox比例风险模型分析全因死亡率和CKD进展的复合终点（ESRD或血清肌酐加倍）。结果……
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。
