糖尿病患者足部溃疡风险预防的多因素策略(DARE-DiaFoot)

该数据集来自 clinicaltrials.gov,聚焦糖尿病足溃疡并发症的预防。研究纳入两类2型糖尿病患者:一类无足部溃疡史但存在中度溃疡风险(2级),另一类患有糖尿病足且足部溃疡已缓解至少六个月(3级)

Istituto Ortopedico RizzoliIstituto Ortopedico Rizzoli
clinicaltrials
浏览 9
其他分类Diabetes Mellitus Foot Ulcer
Multifactorial Strategies for the Prevention of the Risks of Ulceration in Patients Affected by Diabetic Foot (DARE-DiaFoot)

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-17

资源简介

糖尿病患者足部溃疡风险预防的多因素策略(DARE-DiaFoot)

该数据集来自 clinicaltrials.gov,聚焦糖尿病足溃疡并发症的预防。研究纳入两类2型糖尿病患者:一类无足部溃疡史但存在中度溃疡风险(2级),另一类患有糖尿病足且足部溃疡已缓解至少六个月(3级)。三个中心分别开展基于负重CT的生物力学与功能分析、临床评估与代谢分析,以及高级生物学与生化分析,并在基线和随访时对两类人群进行多仪器测量比较。数据可用于糖尿病足风险分层、溃疡预防策略评估及相关预测建模(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:糖尿病足溃疡。这是一项非营利、多中心、全国性临床试验,旨在预防两类2型糖尿病患者的糖尿病足并发症。第一类人群既往无足部溃疡史,但具有中度溃疡风险(2级);第二类人群患有糖尿病足,曾发生足部溃疡(3级),但这些溃疡必须已缓解至少六个月。一个中心提供全面的生物力学和功能分析,还基于现代负重计算机断层扫描;另一个中心进行最先进的临床评估和代谢分析;第三个中心进行后者,并结合高级生物学和生化分析。在基线和1时对两类人群进行所有这些多仪器测量的比较。

【主题与分类】

主题标签:Diabetes Mellitus Foot Ulcer。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/NCT07021222

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/NCT07021222

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

条件:糖尿病足溃疡。这是一项非营利性、多中心、全国性临床试验,旨在预防2型糖尿病患者两个人群中的糖尿病足并发症。第一人群无既往足溃疡史,但具有中度溃疡风险(2级);第二人群患有糖尿病足,曾有足溃疡(3级),但这些溃疡必须已至少愈合六个月。一个中心提供全面的生物力学和功能分析,还基于现代负重计算机断层扫描;另一个中心进行最先进的临床评估和代谢分析;第三个中心进行后者,并结合先进的生物学和生化分析。在基线和12个月随访时,采用多学科研究方法,对两个人群之间的所有这些多仪器测量进行比较。在两个人群中,沿着两个数据收集时间点,结合三组测量指标,应能揭示出风险和易感因素的混合模式。

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