肾周脂肪作为糖尿病肾病预测因子的作用

该数据集来自 clinicaltrials.gov,主题为肾周脂肪作为糖尿病肾病预测因子的作用,属于内分泌、营养和代谢疾病 / 糖尿病分类

Assiut UniversityAssiut University
clinicaltrials
浏览 9
蛋白质预测Diabetic
The Role of Perirenal Fat As Predictor in Diabetic Nephropathy

基本信息

模态
蛋白质
任务类型
预测
创建/更新时间
2026-10-14

资源简介

肾周脂肪作为糖尿病肾病预测因子的作用

该数据集来自 clinicaltrials.gov,主题为肾周脂肪作为糖尿病肾病预测因子的作用,属于内分泌、营养和代谢疾病 / 糖尿病分类。源站描述指出,糖尿病肾病是糖尿病最常见且严重的并发症,约 40% 的糖尿病患者出现蛋白尿和肾功能障碍,糖尿病肾病据报占新诊断终末期肾病的 50%。高血糖导致的代谢紊乱可引起糖脂代谢异常,肥胖等多种因素被报道为糖尿病肾病的危险因素。BMI 和腰围作为常用肥胖指标被证明可加重慢性肾病发展,但缺乏体脂分布的详细信息。该数据可用于糖尿病肾病风险预测相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:糖尿病。糖尿病肾病(DKD)是糖尿病(DM)最常见且严重的并发症。约 40% 的糖尿病患者出现蛋白尿和肾功能障碍,据报道 DKD 占新诊断终末期肾病(ESRD)的 50%。DKD 中由高血糖引起的代谢紊乱可导致糖代谢和脂代谢紊乱。不仅高血糖,包括肥胖在内的许多因素已被报道为糖尿病肾病的危险因素。体重指数(BMI)和腰围(WC)作为广泛使用的肥胖指标,已被证明可在不同患者亚群中加重 CKD 的发展,但 BMI 和 WC 缺乏关于体脂分布的详细信息。目前体脂通常根据解剖和生理特

【主题与分类】

主题标签:Diabetic。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/NCT06815224

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/NCT06815224

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

病情:糖尿病。糖尿病肾病(DKD)是糖尿病(DM)最常见且最严重的并发症。约40%的糖尿病患者出现蛋白尿和肾功能障碍,据报道,DKD占新诊断终末期肾病(ESRD)的50%。DKD中高血糖引起的代谢紊乱可导致糖脂代谢紊乱。不仅高血糖,包括肥胖在内的许多因素已被报道为糖尿病肾病的危险因素。体重指数(BMI)和腰围(WC)作为广泛使用的肥胖指标,已被证明在不同患者亚群中加重CKD的发展,但BMI和WC缺乏关于体脂分布的详细信息。目前,根据脂肪沉积的解剖和生理功能,体脂通常分为皮下脂肪和内脏脂肪。内脏脂肪被认为与CKD的进展相关。近年来,新的人体测量和成像方法已被用于临床实践和研究中的内脏脂肪评估。

肾周脂肪是环绕肾脏的脂肪垫,位于腹膜后间隙内肾纤维膜与肾筋膜之间。据报道,肾周脂肪以多种方式与肾脏疾病相关。此外,已证实肾窦脂肪通过炎症信号传导与一般人群慢性肾脏病风险增加相关。

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