2018至2022年土耳其确诊1型糖尿病儿童前瞻性队列研究
该数据集来自clinicaltrials.gov，为2018至2022年土耳其确诊1型糖尿病儿童的前瞻性多中心队列研究。源站描述指出，土耳其缺乏关于儿童青少年T1DM诊断与治疗过程临床特征的多中心数据，本研究旨在确定其诊断和随访特征并评估全国糖尿病管理状况
基本信息
资源简介
2018至2022年土耳其确诊1型糖尿病儿童前瞻性队列研究
该数据集为一项针对2018至2022年间在土耳其确诊的1型糖尿病儿童所开展的前瞻性多中心队列研究，来源于clinicaltrials.gov，归类于内分泌、营养和代谢疾病下的糖尿病领域。源站描述指出，1型糖尿病（T1DM）通过改善管理达到血糖目标，可减少糖尿病并发症及其进展风险，因此识别本国T1DM管理中的挑战并制定改进策略至关重要。在土耳其，关于儿童和青少年T1DM诊断与治疗过程临床特征的多中心数据有限，本研究即旨在确定这些儿童和青少年的诊断与随访特征，并评估该国糖尿病管理状况。该数据集围绕T1DM这一主题标签组织，为理解土耳其儿童T1DM的诊疗与管理现状提供了多中心前瞻性队列视角的数据基础。
【数据集背景】
1型糖尿病是一种需要长期管理的代谢性疾病，良好的血糖控制与并发症风险降低密切相关。源站描述强调，改善T1DM管理以达到血糖目标，能够减少糖尿病并发症并降低疾病进展风险，因此识别管理过程中的挑战并制定改进策略十分必要。在土耳其，儿童和青少年T1DM患者在诊断和治疗过程中的临床特征缺乏多中心数据支持，这一数据空白限制了对全国糖尿病管理状况的全面评估。该研究正是在这一背景下设计的多中心前瞻性队列研究，聚焦2018至2022年间确诊的儿童群体。
【数据内容】
该数据集的主题标签为Type 1 Diabetes Mellitus (T1DM)，所属分类为内分泌、营养和代谢疾病下的糖尿病。依据源站描述，研究内容涉及儿童和青少年T1DM患者在诊断与治疗过程中的临床特征，包括诊断特征和随访特征，并在此基础上评估土耳其的糖尿病管理状况。数据集英文名称明确其研究对象为2018至2022年间在土耳其确诊的1型糖尿病儿童，研究设计为前瞻性多中心队列研究。关于具体的变量字段、样本量、随访时长和测量指标等细节，源站未提供。
【采集与来源】
该数据集来源于clinicaltrials.gov。源站描述表明，这是一项多中心前瞻性队列研究，研究地点位于土耳其，纳入对象为2018至2022年间确诊的1型糖尿病儿童和青少年。研究的目的是确定该人群的诊断和随访特征，并评估该国的糖尿病管理状况。关于各参与中心的具體构成、招募方式、数据采集流程与时间安排等信息，源站未提供。
【适用场景】
基于源站描述，该数据集适用于了解土耳其儿童和青少年1型糖尿病在诊断与治疗过程中的临床特征，支持对诊断特征与随访特征的分析，并可用于评估该国糖尿病管理状况。其多中心前瞻性队列设计有助于从多个中心视角观察T1DM管理中的挑战，为制定改进策略提供依据。关于该数据集在其他具体研究场景中的适用性，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站描述指出，土耳其此前缺乏关于儿童和青少年T1DM诊断与治疗过程临床特征的多中心数据，本研究即为填补这一空白而设计。关于该数据集的质量评价指标、数据完整性、偏倚控制措施及已知局限性，源站未提供。
【引用与许可】
源站未提供。
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/NCT06892821
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
条件：1型糖尿病（T1DM）。通过改进T1DM管理实现血糖目标可减少糖尿病并发症及其进展风险。因此，识别国内T1DM管理中的挑战并制定改进策略至关重要。在土耳其，关于儿童和青少年T1DM患者在诊断和治疗过程中临床特征的多中心数据有限。本多中心前瞻性队列研究旨在确定儿童和青少年T1DM患者的诊断和随访特征，评估该国糖尿病管理状况。
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。
