多学科协作方案中饮食干预对1型糖尿病患者餐时胰岛素剂量调整的影响

1型糖尿病需随碳水摄入调整胰岛素剂量。法国2023年跨专业合作方案授权受训营养师在医生监督下调整胰岛素-碳水比。本回顾性多中心队列研究评估其能否改善常规实践中的血糖控制

Assistance Publique - Hôpitaux de ParisAssistance Publique - Hôpitaux de Paris
clinicaltrials
浏览 24
文本预测Diabetes Mellitus, Type 1
Impact of Dietary Intervention Within an Interprofessional Cooperative Protocol for Prandial Insulin Dose Adjustment in People Living With Type 1 Diabetes

基本信息

模态
文本
任务类型
预测
创建/更新时间
2026-10-01

资源简介

多学科协作方案中饮食干预对1型糖尿病患者餐时胰岛素剂量调整的影响

1型糖尿病需随碳水摄入调整胰岛素剂量。法国2023年跨专业合作方案授权受训营养师在医生监督下调整胰岛素-碳水比。本回顾性多中心队列研究评估其能否改善常规实践中的血糖控制。数据来自病历和血糖监测平台。主要结局为M0与M6间Time in Range(0.70-1.80 g/L)差异;次要结局为低血糖、高血糖、血糖变异性和GMI在基线与第3、6个月随访的差异(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:1型糖尿病。1型糖尿病需要根据碳水化合物摄入量持续调整胰岛素剂量。在法国,一项于2023年实施的跨专业合作方案授权经过培训的营养师在医师监督下调整胰岛素与碳水化合物的比值。这项回顾性多中心队列研究将评估该组织模式能否在常规临床实践中改善血糖控制。数据将从病历和血糖监测平台收集,且不改变患者管理。主要结局为基线(M0)与第6个月(M6)之间 Time in Range(0.70-1.80 g/L)的差异。次要结局包括在基线、第3个月和第6个月随访访视之间评估的低血糖、高血糖、血糖变异性以及葡萄糖管理指标(GMI)的差异。

【主题与分类】

主题标签:Diabetes Mellitus, Type 1。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/NCT07846852

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/NCT07846852

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

疾病:1型糖尿病。1型糖尿病需要根据碳水化合物摄入量持续调整胰岛素剂量。在法国,一项于2023年实施的跨专业合作方案授权经过培训的营养师在医师监督下调整胰岛素与碳水化合物的比值。这项回顾性多中心队列研究将评估该组织模式能否在常规临床实践中改善血糖控制。数据将从病历和血糖监测平台收集,且不改变患者管理。主要结局为基线(M0)与第6个月(M6)之间 Time in Range(0.70-1.80 g/L)的差异。次要结局包括在基线、第3个月和第6个月随访访视之间评估的低血糖、高血糖、血糖变异性以及葡萄糖管理指标(GMI)的差异。

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