远程缺血适应治疗糖尿病肾病
该数据集来自 clinicaltrials.gov,主题为远程缺血适应治疗糖尿病肾病,属于内分泌、营养和代谢疾病下的糖尿病分类

基本信息
资源简介
远程缺血适应治疗糖尿病肾病
该数据集来自 clinicaltrials.gov,主题为远程缺血适应治疗糖尿病肾病,属于内分泌、营养和代谢疾病下的糖尿病分类。源站描述指出,慢性肾脏病影响全球约10%人口,糖尿病肾病是其主要病因,约40%糖尿病患者受累;早期与晚期慢性肾脏病患者中分别约有10%和约半数会进展至肾衰竭,需透析或移植,糖尿病肾病进展快、预后差,约占终末期肾病病例的50%。该数据可用于研究糖尿病肾病进展与干预相关结局(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:糖尿病肾病(DKD)。慢性肾脏病(CKD)是一种日益严重的流行病,影响全球10%的人口。值得注意的是,糖尿病肾病(DKD)是CKD的主要原因,影响约40%的糖尿病患者。约10%的早期CKD患者和约半数的晚期CKD患者会进展为肾衰竭,需要透析或移植才能生存。此外,DKD进展尤其迅速且预后不良,占终末期肾病(ESRD)病例的近50%。透析尤其是一种负担沉重的治疗方式,与患者不良结局及高昂的社会和经济成本相关。预防进展为肾衰竭的策略侧重于精细的血压控制、对伴有蛋白尿的DKD进行肾素-血管紧张素-醛固酮系统(RAAS)抑制,以及gl
【主题与分类】
主题标签:Diabetic Kidney Disease (DKD)。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/NCT06654921
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/NCT06654921
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:糖尿病肾病(DKD)。慢性肾脏病(CKD)是一种日益严重的流行病,影响全球10%的人口。值得注意的是,糖尿病肾病(DKD)是CKD的主要原因,影响约40%的糖尿病患者。大约10%的早期CKD患者和大约一半的晚期CKD患者会进展为肾衰竭,需要透析或移植才能生存。此外,DKD进展特别迅速,预后较差,占终末期肾病(ESRD)病例的近50%。特别是透析,是一种负担沉重的治疗方法,与患者不良结局和高昂的社会及经济成本相关。预防进展为肾衰竭的策略侧重于精细的血压控制、对伴有蛋白尿的DKD使用肾素-血管紧张素-醛固酮系统(RAAS)抑制剂,以及在糖尿病患者中使用钠-葡萄糖共转运蛋白-2(SGLT-2)抑制剂进行血糖控制。即便如此,尽管对这些参数进行了优化,许多高风险DKD患者仍会进展为肾衰竭。
在晚期DKD中,无论肾脏疾病的原始病因如何,衰竭和纤维化肾脏的反复缺血性损伤似乎是进行性肾脏损伤的最终共同通路之一。针对DKD中这一通路的特定策略尚未开发。在此背景下,寻求新的药物或非药物方法来优化DKD的治疗至关重要。随着DKD的进展,肾间质纤维化加剧,导致肾细胞严重缺血缺氧,最终导致ESRD。因此,有效延缓肾纤维化进程可以减缓甚至逆转DKD的进程。缺氧的特征是器官氧气供应不足,而缺氧诱导因子(HIF)在缺氧状态下调节基因转录。适当的肾脏缺氧可以激活HIF-1α并抑制HIF-2α,提高
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。




