魁北克糖尿病图谱：1型糖尿病、2型糖尿病与LADA的医疗行政算法验证

数据集获取

源站：https://clinicaltrials.gov/study/NCT06573905

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

研究条件：1型糖尿病、2型糖尿病、成人发病型糖尿病、自身免疫性糖尿病。本观察性研究旨在验证用于对糖尿病表型（特别是1型、2型及成人隐匿性自身免疫糖尿病（LADA））进行分类的医疗行政算法在魁北克省基于人群的队列中的有效性。研究聚焦于已确诊糖尿病的儿童、青少年及40岁以下的年轻成人。其主要研究问题为：这些算法能否在不同年龄组中准确区分1型、2型和LADA？这些糖尿病表型在魁北克人群中的患病率和发病率如何？参与者已确诊为三种糖尿病类型之一并正在接受标准医疗照护，其数据将从现有医疗和行政记录中采集，包括用药情况、就医记录及自报健康结局等信息。

该研究将采用回顾性分析，将算法分类与临床诊断及自我报告数据进行比较，以确定算法的准确性和可靠性。这一验证过程对于改善糖尿病管理和公共卫生策略至关重要，因为它能确保这些算法在更广泛的流行病学研究中可靠使用。

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。