Semaglutide 治疗 CFRD 研究
该数据集来自 clinicaltrials.gov,围绕囊性纤维化相关糖尿病(CFRD)患者使用 GLP-1RA semaglutide 作为胰岛素附加治疗的研究

基本信息
资源简介
Semaglutide 治疗 CFRD 研究
该数据集来自 clinicaltrials.gov,围绕囊性纤维化相关糖尿病(CFRD)患者使用 GLP-1RA semaglutide 作为胰岛素附加治疗的研究。数据覆盖超重或肥胖成人 CFRD 患者,主要收集安全性与可行性试点数据,为未来更大规模随机对照试验提供依据。研究假设每周注射长效 GLP-1RA semaglutide 安全且耐受良好,并初步评估其影响。可用于内分泌与代谢疾病领域的安全性、耐受性及可行性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:囊性纤维化、囊性纤维化相关糖尿病。本提案的总体目标是收集安全性和可行性指标的试点数据,以支持未来更大规模的随机对照试验。在本研究中,我们将检查 GLP-1RA semaglutide 作为胰岛素附加治疗用于超重/肥胖成人 CFRD 患者的安全性和耐受性。我们假设,对超重/肥胖 CFRD 患者每周给予长效 GLP-1RA semaglutide 将是安全且耐受良好的。具体目标 1:收集每周 semaglutide 治疗在超重和肥胖 CFRD 患者中的安全性和可行性的试点数据,以支持未来更大规模的随机对照试验。假设 1:每周 GLP-1RA semaglutide 治疗在超重/肥胖成人 CFRD 中将是安全且耐受良好的。具体目标 2:收集初步数据以检查其影响
【主题与分类】
主题标签:Cystic Fibrosis、Cystic Fibrosis-related Diabetes。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/NCT05788965
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/NCT05788965
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:囊性纤维化、囊性纤维化相关糖尿病。本提案的总体目标是收集安全性和可行性指标的初步数据,以支持未来更大规模的随机对照试验。在本研究中,我们将考察GLP-1RA司美格鲁肽作为胰岛素附加治疗用于超重/肥胖成人CFRD患者的安全性和耐受性。我们假设,对超重/肥胖CFRD患者每周给予长效GLP-1RA司美格鲁肽将是安全且耐受良好的。具体目标1:收集每周司美格鲁肽治疗在超重和肥胖CFRD患者中安全性和可行性的初步数据,以支持未来更大规模的随机对照试验。假设1:每周GLP-1RA司美格鲁肽治疗在超重/肥胖成人CFRD患者中将是安全且耐受良好的。具体目标2:收集初步数据,以考察司美格鲁肽治疗对口服葡萄糖耐量试验(OGTT)所测胰岛素分泌、胰高血糖素和血糖水平的影响,以及对连续血糖监测(CGM)和HbA1c所测血糖结局的影响。
假设2a:与基线相比,司美格鲁肽治疗将降低口服葡萄糖耐量试验(OGTT)期间的血糖水平,并增加胰岛素和C肽曲线下面积(AUC)。假设2b:司美格鲁肽治疗将改善血糖控制,表现为持续葡萄糖监测(CGM)的范围内时间和HbA1c的改善。
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。
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。




