多组学与人工智能驱动的糖尿病肾病创新中医药诊疗技术研究
该数据集来自 clinicaltrials.gov，属于内分泌、营养和代谢疾病下的糖尿病分类，聚焦 2 型糖尿病肾病与慢性肾功能衰竭/肾病
基本信息
资源简介
多组学与人工智能驱动的糖尿病肾病创新中医药诊疗技术研究
该数据集围绕多组学与人工智能驱动的糖尿病肾病创新中医药诊疗技术研究而建立，来源于 clinicaltrials.gov 的注册信息，归属于内分泌、营养和代谢疾病分类下的糖尿病方向。其关注的核心疾病为 2 型糖尿病肾病，同时涉及慢性肾功能衰竭/肾病。数据集所对应的研究采用前瞻性、随机、安慰剂对照、平行、双盲的设计，依托多中心临床研究平台开展，旨在验证加减益肾消癥祛风方在提高糖尿病肾病缓解率方面的临床价值，以优化该疾病的治疗策略。整体而言，该数据集为糖尿病肾病领域的中医药临床研究提供了结构化的注册信息记录，便于研究者了解该试验的基本定位、研究设计与疾病范围。
【数据集背景】
糖尿病肾病是糖尿病常见的微血管并发症之一，也是导致慢性肾功能衰竭和终末期肾病的重要原因。2 型糖尿病患者的肾病进展往往隐匿，临床治疗策略的优化需求较为突出。该数据集所对应的研究聚焦于中医药在糖尿病肾病治疗中的潜在价值，提出以多组学和人工智能为驱动，探索创新性的中医药诊疗技术。研究关注的具体方剂为加减益肾消癥祛风方，目标是通过规范的临床试验验证其在改善糖尿病肾病缓解率方面的作用。该研究由合作单位共同开展，依托多中心临床研究平台，体现了对中医药治疗糖尿病肾病进行高质量循证评价的研究取向。
【数据内容】
该数据集的主题标签包括 2 型糖尿病肾病以及慢性肾功能衰竭/肾病。其源站描述中列出的疾病条件为 Diabetic Nephropathy Type 2 和 Chronic Renal Failure/ Kidney Disease。数据集本身来源于 clinicaltrials.gov 的试验注册信息，因此其内容主要围绕该临床试验的注册记录展开，涵盖研究涉及的疾病领域、研究类型与设计特征等。关于具体受试者数量、分组规模、用药剂量、疗程时长、结局指标的具体数值、生物标志物种类、多组学数据类型以及人工智能模型的具体算法等信息，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述表明，相关研究由合作单位共同开展，并依托多中心临床研究平台实施。研究采用前瞻性随机安慰剂对照平行双盲研究设计，属于多中心、前瞻性、双盲随机对照试验。关于数据采集的具体时间范围、采集地点、参与中心的数量与名称、数据采集流程、样本处理方式以及数据存储形式等信息，源站未提供。
【适用场景】
该数据集适用于了解糖尿病肾病领域中医药临床研究注册信息的场景，尤其是关注 2 型糖尿病肾病与慢性肾功能衰竭/肾病的研究人员、临床医生以及循证医学研究者。其研究设计信息可用于参考多中心、前瞻性、双盲、随机、安慰剂对照、平行分组试验在中医药治疗糖尿病肾病中的应用模式。同时，该数据集所对应的研究方向涉及多组学与人工智能驱动，可为相关交叉领域的研究者提供选题与设计层面的参考。关于该数据集是否适用于药物经济学评价、真实世界研究、meta 分析或其他特定用途，源站未提供。
【使用方法】
该数据集来源于 clinicaltrials.gov 的注册信息，使用时应结合源站所提供的试验描述进行理解。由于源站描述仅涉及研究条件、研究设计与研究目的，使用者在引用或分析时，应以该注册信息所呈现的范围为限。关于如何获取原始数据、是否提供数据下载接口、是否需要申请权限、是否附带数据字典或变量说明等信息，源站未提供。
【质量与限制】
该数据集的信息来自 clinicaltrials.gov 的注册记录，其内容以试验注册描述为主。由于源站描述未提供样本量、终点指标、统计分析方法、随访时长、不良事件信息以及多组学与人工智能技术路线的具体细节，因此无法据此评估研究的统计效能、偏倚风险或结果可靠性。该数据集所对应的研究为前瞻性、随机、安慰剂对照、平行、双盲设计，这一设计类型本身具有较高的证据等级潜力，但具体质量仍取决于尚未提供的实施细节。关于数据完整性、准确性、更新频率与版本信息，源站未提供。
【引用与许可】
该数据集来源于 clinicaltrials.gov。引用时应注明其来源站为 clinicaltrials.gov，并可使用数据集英文名称 Research on Innovative Traditional Chinese Medicine Diagnosis and Treatment Technologies for Diabetic Nephropathy Driven by Multi-Omics and Artificial Intelligence 进行标识。关于该数据集的许可协议、使用条款、是否允许商业使用、是否允许再分发以及具体的引用格式要求，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/NCT07459946
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：2型糖尿病肾病、慢性肾衰竭/肾病。协作单位联合开展一项前瞻性随机安慰剂对照平行双盲研究，依托多中心临床研究平台，通过多中心、前瞻性、双盲RCT研究，验证加减益肾消癥祛风方在提高DKD缓解率方面的临床价值，以优化DKD的治疗策略。
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。
