成人2型糖尿病膝关节类固醇注射后预防性胰岛素预防高血糖
该数据集来自clinicaltrials.gov,聚焦成人2型糖尿病患者在接受膝关节关节内糖皮质激素注射后出现短暂高血糖的问题

基本信息
资源简介
成人2型糖尿病膝关节类固醇注射后预防性胰岛素预防高血糖
该数据集来自clinicaltrials.gov,聚焦成人2型糖尿病患者在接受膝关节关节内糖皮质激素注射后出现短暂高血糖的问题。PREVENT-SIH为2期随机平行组试验,纳入不使用胰岛素或胰岛素促泌剂治疗的成人2型糖尿病患者,所有参与者均接受标准化的关节内曲安奈德结晶混悬液40 mg注射,随后按1:1随机分配至预防性NPH胰岛素路径或常规反应性糖尿病管理。数据可用于评估预防性胰岛素策略对注射后高血糖的预防效果,支持糖尿病合并膝关节骨关节炎相关临床研究(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、2型糖尿病所致高血糖、膝关节骨关节炎。关节内皮质类固醇注射可在2型糖尿病患者中产生具有临床意义但短暂的高血糖。已发表的研究大多描述这种血糖反应,而非测试预防它的标准化策略。PREVENT-SIH是一项2期、随机、平行组试验,受试者为不使用胰岛素或胰岛素促泌剂治疗的成人2型糖尿病患者。所有参与者将接受一次有临床指征的、标准化的关节内注射曲安奈德结晶混悬液40 mg,注射至一个有症状的膝关节骨关节炎指数膝关节。参与者将按1:1随机分配至预防性NPH胰岛素路径或常规反应性糖尿病管理。预防性路径包括三次基于体重的NPH剂量
【主题与分类】
主题标签:Diabetes Mellitus, Type 2、Osteoarthritis, Knee。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/NCT07757464
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/NCT07757464
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
疾病:2型糖尿病、2型糖尿病所致高血糖、膝骨关节炎。关节腔内注射皮质类固醇可在2型糖尿病患者中引起具有临床意义但短暂的高血糖。已发表的研究大多描述了这种血糖反应,而非检验预防该反应的标准化策略。PREVENT-SIH是一项2期、随机、平行组试验,受试者为未使用胰岛素或胰岛素促泌剂治疗的2型糖尿病成人患者。所有参与者将因有症状的膝骨关节炎接受一次有临床指征的标准化关节腔内注射,即向一侧指数膝关节注射曲安奈德结晶混悬液40 mg。参与者将按1:1随机分配至抢先性NPH胰岛素路径或常规反应性糖尿病管理。抢先性路径包括在皮质类固醇注射后立即开始的三次基于体重的NPH剂量,并设有预先规定的基于血糖的剂量调整、暂停和停药规则。
两组均将继续维持稳定的基础糖尿病药物治疗,并接受相同的盲法持续葡萄糖监测、毛细血管血糖监测、安全指导、定期联系和救援阈值。持续葡萄糖监测数据将在基线期收集72小时,并在注射后至少收集96小时。主要分析将比较注射后最初72小时内高于180 mg/dL的有效读数百分比,并根据基线持续葡萄糖监测中高于180 mg/dL的时间、研究中心和HbA1c分层进行调整。救援治疗及其他随机化后的糖尿病治疗变更将保留在主要治疗政策分析中。
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。




