2型糖尿病人群外周静脉通路并发症发生率
该数据集来自 clinicaltrials.gov,聚焦2型糖尿病人群外周静脉通路并发症的发生情况。研究为前瞻性病例对照研究,在Vall d'Hebron Hospital住院区域开展,由医院血管通路护理团队采集数据

基本信息
资源简介
2型糖尿病人群外周静脉通路并发症发生率
该数据集来自 clinicaltrials.gov,聚焦2型糖尿病人群外周静脉通路并发症的发生情况。研究为前瞻性病例对照研究,在Vall d'Hebron Hospital住院区域开展,由医院血管通路护理团队采集数据。关注结局包括静脉炎、血栓形成、疼痛、红斑、外渗等并发症及导管更换时间,并比较对照组与2型糖尿病样本的差异。同时收集年龄、性别、BMI、不良嗜好等一般临床与人体测量数据,以及入院原因、合并症和糖尿病相关变量,可用于分析并发症风险与相关因素(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:2型糖尿病、外周导管置入、上肢深静脉血栓、导管相关感染、糖尿病并发症。这项前瞻性病例对照研究将在Vall d'Hebron Hospital住院区域收治的患者中开展。所有研究数据将由该医院的血管通路护理团队收集。与外周静脉通路相关的并发症(静脉炎、血栓形成、疼痛、红斑、外渗)以及导管更换时间是本研究的重点结局,并将分析对照组与2型糖尿病样本人群之间可能存在的差异。一般临床和人体测量数据(年龄、性别、BMI、不良嗜好等)、入院原因、合并症,以及所有与糖尿病相关的变量(病程、血糖控制程度、治疗,以及
【主题与分类】
主题标签:Diabetes Mellitus, Type 2、Catheterization, Peripheral、Upper Extremity Deep Vein Thrombosis、Catheter-Related Infections、Diabetes Complications。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/NCT04499638
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/NCT04499638
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:2型糖尿病、外周导管置入、上肢深静脉血栓形成、导管相关感染、糖尿病并发症。本前瞻性病例对照研究将在巴塞罗那瓦尔德希伯伦医院住院区域收治的患者中进行。所有研究数据将由医院血管通路护理团队收集。外周静脉通路相关并发症(静脉炎、血栓形成、疼痛、红斑、外渗)及导管更换时间是本研究的重点结局,并将分析对照组与2型糖尿病样本人群之间可能存在的差异。此外,还将收集一般临床和人体测量学数据(年龄、性别、BMI、不良嗜好等)、入院原因、合并症以及与糖尿病相关的所有变量(病程、血糖控制程度、治疗方案及慢性并发症的存在情况)。若存在显著差异,将通过关联不同流行病学变量,将其与2型糖尿病相关的不同危险因素联系起来。
此外,在此假设性案例中,研究团队拟通过分析血液和尿液成分、蛋白质组学及遗传学研究来开展分子层面的研究。假设:* T2DM是导管相关并发症的独立危险因素。* 在T2DM患者中使用新型血管通路装置(Midline、PICC)与较低的导管相关并发症风险相关。主要目标:- 评估T2DM对住院患者外周血管导管相关并发症的影响。预计收集N=500例样本的信息,250例对照组(非T2DM受试者)和250例研究组(T2DM受试者)。根据既往经验,所提出的样本量完全可行。
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。




