2型糖尿病中的肾脏脂肪及依折麦布效应
该数据集来自 clinicaltrials.gov,聚焦2型糖尿病与糖尿病肾病背景下的肾脏脂质。研究包含横断面比较与干预试验两部分:横断面部分对比对照组、无糖尿病肾病的2型糖尿病患者及非重度糖尿病肾病患者之间的肾脏脂质分数;干预部分采用单中心、随机、双盲、安慰剂对照、平行设计,评估依折麦布能否降低2

基本信息
资源简介
2型糖尿病中的肾脏脂肪及依折麦布效应
该数据集来自 clinicaltrials.gov,聚焦2型糖尿病与糖尿病肾病背景下的肾脏脂质。研究包含横断面比较与干预试验两部分:横断面部分对比对照组、无糖尿病肾病的2型糖尿病患者及非重度糖尿病肾病患者之间的肾脏脂质分数;干预部分采用单中心、随机、双盲、安慰剂对照、平行设计,评估依折麦布能否降低2型糖尿病合并非重度糖尿病肾病患者的白蛋白尿及肾实质甘油三酯分数。数据可用于探索肾脏脂质代谢与糖尿病肾病的关系,以及依折麦布对相关指标的影响(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、糖尿病肾病。目的:1. 横断面比较对照组、无糖尿病肾病的2型糖尿病患者和非重度糖尿病肾病的2型糖尿病患者之间的肾脏脂质分数。2. 通过干预试验评估依折麦布是否降低非重度糖尿病肾病的2型糖尿病患者的白蛋白尿和肾实质甘油三酯分数。设计:1. 对30名对照组、30名无糖尿病肾病的2型糖尿病患者和60名非重度糖尿病肾病的2型糖尿病患者进行横断面研究。2. 在60名非重度糖尿病肾病的2型糖尿病患者中开展单中心、随机、双盲、安慰剂对照、平行干预试验。对比治疗方案:依折麦布
【主题与分类】
主题标签:Diabetes Mellitus, Type 2、Diabetic Kidney Disease。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/NCT04589351
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/NCT04589351
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、糖尿病肾病。目的:1. 横断面比较对照组、无糖尿病肾病的2型糖尿病患者以及非重度糖尿病肾病的2型糖尿病患者之间肾脏脂质分数的差异。2. 通过干预试验评估依折麦布是否能降低非重度糖尿病肾病的2型糖尿病患者的白蛋白尿和肾实质甘油三酯分数。设计:1. 对30名对照组、30名无糖尿病肾病的2型糖尿病患者和60名非重度糖尿病肾病的2型糖尿病患者进行横断面研究。2.
单中心、随机、双盲、安慰剂对照、平行干预试验,纳入60例2型糖尿病合并非重度糖尿病肾病患者。比较治疗方案:依折麦布10mg/日 versus 安慰剂,为期16周。横断面研究主要终点:* 肾实质甘油三酯分数(通过磁共振波谱估算)。干预试验主要终点:* 尿白蛋白肌酐比值。干预试验次要终点:• 肾实质甘油三酯分数(通过磁共振波谱估算)。对照组主要入选标准(仅横断面研究):• 年龄40-75岁 • 无糖尿病 • 无肾脏疾病或尿白蛋白肌酐比值≥30mg/g • 无磁共振检查禁忌证。2型糖尿病且无糖尿病肾病组主要入选标准(仅横断面研究):• 年龄40-75岁 * 2型糖尿病 * 无肾脏疾病或尿白蛋白肌酐比值≥30mg/g * 无磁共振检查禁忌证。2型糖尿病且
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。




