优化实施强化糖尿病预防项目

该数据集来自 clinicaltrials.gov,聚焦于在地区健康中心优化实施强化糖尿病预防项目(IDPP)的临床试验

The Hong Kong Polytechnic UniversityThe Hong Kong Polytechnic University
clinicaltrials
浏览 10
其他预测PrediabetesDiabetes PreventionImplementation Science
Optimizing Implementation of the Intensive Diabetes Prevention Program

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-07

资源简介

优化实施强化糖尿病预防项目

该数据集来自 clinicaltrials.gov,聚焦于在地区健康中心优化实施强化糖尿病预防项目(IDPP)的临床试验。数据覆盖糖尿病前期人群,涉及患者参与系统、结构化培训和提醒系统等实施策略,以及 HbA1c、BMI、血脂谱、生活质量、赋能感知和卫生服务利用等健康结局。可用于评估实施策略在可接受性、采纳度、适宜性、可行性、可持续性和实施成本方面的效果,并预测患者健康结局的变化,为糖尿病预防项目的优化提供依据(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:糖尿病前期、糖尿病预防、实施科学。本临床试验的目标是探索在地区健康中心优化实施强化糖尿病预防项目(IDPP)的有效性和实施结局。其主要旨在回答的问题是: 实施策略——患者参与系统、结构化培训和提醒系统——在可接受性、采纳度、适宜性、可行性、可持续性和实施成本方面是否比常规方法更有效? 与常规方法相比,使用这些改进策略时,患者健康结局——HbA1c 水平、BMI、血脂谱、生活质量、赋能感知和卫生服务利用——是否保持不变或有所改善?

【主题与分类】

主题标签:Prediabetes、Diabetes Prevention、Implementation Science。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/NCT07412912

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT07412912

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:糖尿病前期、糖尿病预防、实施科学。本临床试验旨在探讨优化后的强化糖尿病预防计划(IDPP)在地区健康中心的有效性和实施结果。其主要研究问题包括:* 在可接受性、采纳度、适宜性、可行性、可持续性和实施成本方面,患者参与系统、结构化培训和提醒系统等实施策略是否优于常规方法?* 与常规方法相比,使用这些改进策略时,患者的健康结局——HbA1c水平、BMI、血脂谱、生活质量、赋权感知和医疗服务利用——是否保持不变或有所改善?

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。