混合闭环疗法与维拉帕米用于新发1型糖尿病β细胞保护
该数据集来自clinicaltrials.gov,聚焦新发1型糖尿病患者的混合闭环疗法与维拉帕米用于β细胞保护的研究。数据覆盖参与者资格评估流程,包括病史采集、体格检查、HbA1c检测、自身抗体测定及育龄女性妊娠试验,并记录按体重分层(≥30 kg为Cohort A,<30 kg为Cohort B)

基本信息
资源简介
混合闭环疗法与维拉帕米用于新发1型糖尿病β细胞保护
该数据集来自clinicaltrials.gov,聚焦新发1型糖尿病患者的混合闭环疗法与维拉帕米用于β细胞保护的研究。数据覆盖参与者资格评估流程,包括病史采集、体格检查、HbA1c检测、自身抗体测定及育龄女性妊娠试验,并记录按体重分层(≥30 kg为Cohort A,<30 kg为Cohort B)的随机分组方案。可用于了解该临床试验的设计框架、入组标准与分组策略,支持糖尿病治疗相关研究的方法学参考(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。获得知情同意后,将对潜在参与者进行资格评估,包括采集病史、体格检查以及实验室检测(包括HbA1c、自身抗体测定[除非已有阳性自身抗体结果可用],以及育龄女性的妊娠试验)。已有阳性自身抗体的参与者可立即随机分组。所有其他参与者将在自身抗体结果可用后安排随机化访视;随机分组需要阳性自身抗体。体重≥30 kg的合格参与者(Cohort A)将被随机分配至4组之一:HCL加安慰剂、HCL加维拉帕米、非HCL加安慰剂或非HCL加维拉帕米。体重<30 kg的合格个体(Cohort B)将按2:1随机分配至ei
【主题与分类】
主题标签:Type1 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/NCT04233034
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/NCT04233034
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。获得知情同意后,将对潜在参与者进行资格评估,包括采集病史、体格检查及实验室检测(包括HbA1c、自身抗体测定[除非已有阳性自身抗体结果],以及育龄女性的妊娠试验)。已有阳性自身抗体的参与者可立即随机分组。所有其他参与者将在自身抗体结果可用后安排随机化访视;随机分组要求自身抗体阳性。体重≥30 kg的合格参与者(A队列)将被随机分配至4组之一:HCL加安慰剂、HCL加维拉帕米、非HCL加安慰剂或非HCL加维拉帕米。体重<30 kg的合格个体(B队列)将按2:1随机分配至HCL或非HCL。A队列和B队列的随机化方案将分别制定,并按研究中心分层。被分配至HCL的参与者将接受强化糖尿病管理,研究工作人员将频繁联系,目标是使血糖浓度接近正常。
分配至非HCL组的参与者将接受Dexcom G6持续葡萄糖监测仪(CGM),糖尿病管理将由其个人糖尿病医疗保健提供者按照常规护理进行。参与者将从诊断起随访12个月,完成以随机分组为时间基准的6周访视,以及以诊断为时间基准的第13、26、39和52周访视。参与者将在随机分组时及第13、26、39和52周时进行混合餐耐量试验(MMTT)、测量HbA1c并采血用于机制研究。在所有随访访视中,将进行体格检查、妊娠检测(如适用)、记录胰岛素剂量(单位/kg/天)并下载设备数据。整个研究期间将通过询问严重低血糖和DKA发作情况及总体健康状况来进行安全性评估。已入组s的参与者
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。




