SGLT2抑制剂对糖尿病与非糖尿病慢性肾病患者估算肾小球滤过率的影响

该数据集来自clinicaltrials.gov,主题为SGLT2抑制剂对糖尿病与非糖尿病慢性肾病患者估算肾小球滤过率的影响,涉及糖尿病、慢性肾病及肾功能评估等方向

Ain Shams UniversityAin Shams University
clinicaltrials
浏览 9
蛋白质回归Estimated Glomerular Filtration RateDiabetesChronic Kidney Disease
Sodium Glucose Co-Transporter 2 Inhibitors on Estimated Glomerular Filtration Rate in Diabetic Versus Non-Diabetic Chronic Kidney Disease Patients

基本信息

模态
蛋白质
任务类型
回归
创建/更新时间
2026-10-14

资源简介

SGLT2抑制剂对糖尿病与非糖尿病慢性肾病患者估算肾小球滤过率的影响

该数据集来自clinicaltrials.gov,主题为SGLT2抑制剂对糖尿病与非糖尿病慢性肾病患者估算肾小球滤过率的影响,涉及糖尿病、慢性肾病及肾功能评估等方向。源站描述指出,葡萄糖重吸收由SGLT2介导约90%、SGLT1介导剩余10%,高血糖与肾病发生的关系复杂,高血糖诱导的并发症由多条代谢途径介导,其中晚期糖基化终产物积累、大分子糖基化异常及经多元醇途径的葡萄糖通量增加似最为重要。数据可用于研究SGLT2抑制剂在不同肾病背景下的肾功能变化及相关代谢机制(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:钠-葡萄糖共转运蛋白2抑制剂、估算肾小球滤过率、糖尿病、慢性肾病。葡萄糖重吸收由钠-葡萄糖共转运蛋白(SGLT)2介导,其重吸收90%的葡萄糖,SGLT1重吸收剩余的10%。高血糖与肾病发生之间的关系复杂。高血糖诱导的并发症由多条代谢途径介导,其中晚期糖基化终产物的积累、大分子糖基化异常以及经多元醇途径的葡萄糖通量增加似乎最为重要。

【主题与分类】

主题标签:Estimated Glomerular Filtration Rate、Diabetes、Chronic Kidney Disease。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/NCT07302464

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07302464

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:钠-葡萄糖共转运蛋白2抑制剂、估算肾小球滤过率、糖尿病、慢性肾脏病。葡萄糖重吸收由钠-葡萄糖共转运蛋白(SGLT)2和SGLT1介导,其中SGLT2重吸收90%的葡萄糖,SGLT1重吸收剩余的10%。高血糖与肾脏疾病发生之间的关系复杂。高血糖诱导的并发症由多种代谢途径介导,其中晚期糖基化终产物的积累及大分子糖基化异常、以及通过多元醇途径的葡萄糖通量增加似乎最为重要。

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。

获取专属数据定制方案