糖尿病肾病中的全身免疫炎症指数与血小板参数
该数据集来自 clinicaltrials.gov,聚焦糖尿病肾病(DKD)这一 2 型糖尿病常见微血管并发症。研究纳入成年 2 型糖尿病患者,采集常规血液检测指标,包括全身免疫炎症指数(SII)、中性粒细胞与淋巴细胞比值(NLR)、血小板与淋巴细胞比值(PLR)以及平均血小板体积(MPV)、血小板

基本信息
资源简介
糖尿病肾病中的全身免疫炎症指数与血小板参数
该数据集来自 clinicaltrials.gov,聚焦糖尿病肾病(DKD)这一 2 型糖尿病常见微血管并发症。研究纳入成年 2 型糖尿病患者,采集常规血液检测指标,包括全身免疫炎症指数(SII)、中性粒细胞与淋巴细胞比值(NLR)、血小板与淋巴细胞比值(PLR)以及平均血小板体积(MPV)、血小板分布宽度(PDW)等血小板参数。数据可用于评估这些易获取、低成本的炎症与血小板标志物能否作为识别糖尿病肾病存在及其进展的生物标志物,服务于内分泌与代谢疾病领域的观察性研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:糖尿病肾病、糖尿病肾病、2 型糖尿病、白蛋白尿。糖尿病肾病(DKD)是 2 型糖尿病(T2DM)患者常见的微血管并发症,也是全球慢性肾衰竭的主要原因。慢性低度炎症和血小板活化对肾微血管损伤有显著促进作用。本观察性研究的目的是评估常规血液检测标志物,特别是全身免疫炎症指数(SII)、中性粒细胞与淋巴细胞比值(NLR)、血小板与淋巴细胞比值(PLR)以及血小板指数(如平均血小板体积[MPV]和血小板分布宽度[PDW]),能否作为简单、易获取且具有成本效益的生物标志物,用于识别糖尿病肾病的存在及其进展。参与者将包括成年 2 型糖尿病患者。
【主题与分类】
主题标签:Diabetic Kidney Disease、Diabetic Nephropathies、Type 2 Diabetes Mellitus、Albuminuria。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/NCT07773467
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/NCT07773467
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、糖尿病肾病、2型糖尿病、白蛋白尿。糖尿病肾病(DKD)是2型糖尿病(T2DM)患者中常见的微血管并发症,也是全球慢性肾衰竭的主要原因。慢性低度炎症和血小板活化对肾脏微血管损伤有显著促进作用。本观察性研究的目的是评估常规血液检测指标,特别是全身免疫炎症指数(SII)、中性粒细胞与淋巴细胞比值(NLR)、血小板与淋巴细胞比值(PLR)以及血小板指数(如平均血小板体积[MPV]和血小板分布宽度[PDW]),能否作为识别糖尿病肾病存在及其进展的简便、易得且经济有效的生物标志物。参与者将包括根据尿白蛋白与肌酐比值(正常白蛋白尿、微量白蛋白尿和大量白蛋白尿)分类的成年2型糖尿病患者,以及健康对照受试者。
将测量全血细胞计数、衍生炎症指标和肾脏参数,以评估其对DKD的诊断准确性。
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。




