多语言语音电话调整长效胰岛素：巴基斯坦2型糖尿病低健康素养成人

数据集获取

源站：https://clinicaltrials.gov/study/NCT07729501

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：2型糖尿病（T2DM）、因2型糖尿病导致的高血糖。2型糖尿病在巴基斯坦高度流行，当地许多成年人健康素养有限，且难以前往诊所频繁就诊以调整胰岛素剂量。基础胰岛素滴定延迟会导致高血糖持续时间延长和糖尿病预后不良。这项多中心、实用性、个体随机、评估者盲法的试验，将比较多语言功能手机交互式语音应答（IVR）系统结合人工核验的基础胰岛素滴定与标准诊所基础胰岛素滴定。符合条件的需要调整基础胰岛素的2型糖尿病成人，将按1：1比例随机分配至干预组或对照组。干预组参与者将接受自动化多语言语音电话，收集空腹血糖值，并提供由算法指导的胰岛素剂量建议，这些建议在实施前由经过培训的临床人员审核。对照组参与者将按照标准实践接受常规诊所基础胰岛素滴定。

参与者将接受为期12周的随访。主要结局是从基线至第12周糖化血红蛋白（HbA1c）的变化。次要结局包括空腹血糖、胰岛素剂量、低血糖事件、用药依从性、患者满意度、生活质量、实施结局和医疗资源利用。安全性结局将在整个研究期间进行监测。本研究旨在确定一种可扩展、多语言的远程医疗支持的胰岛素剂量调整策略，能否在改善血糖控制的同时，为巴基斯坦健康素养较低的成人增加获得高质量糖尿病护理的机会。

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。