CKD患者治疗药物使用数据集
该数据集来自 clinicaltrials.gov,聚焦慢性肾脏病(CKD)患者的治疗药物使用情况。研究为多中心回顾性研究,覆盖三家医院,纳入2020年7月1日至2022年6月30日期间确诊的CKD患者,CKD定义为eGFR低于60 mL/min per 1·73 m(2)或存在白蛋白尿

基本信息
资源简介
CKD患者治疗药物使用数据集
该数据集来自 clinicaltrials.gov,聚焦慢性肾脏病(CKD)患者的治疗药物使用情况。研究为多中心回顾性研究,覆盖三家医院,纳入2020年7月1日至2022年6月30日期间确诊的CKD患者,CKD定义为eGFR低于60 mL/min per 1·73 m(2)或存在白蛋白尿。基于医院电子病历数据,研究选取了七类药物进行分析,包括β受体阻滞剂、血管紧张素转换酶抑制剂、血管紧张素II受体、DPP-4抑制剂、GLP-1受体激动剂、SGLT2抑制剂和钙通道阻滞剂。该数据可用于分析不同分期和类型CKD患者的常见用药及联合用药模式(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性肾脏病。慢性肾脏病(CKD)以肾功能障碍为特征,被公认为全球范围内高发病率和高死亡率的主要公共卫生问题。本研究旨在分析不同分期和类型CKD患者的常见药物使用及联合用药情况。该研究是一项涉及三家医院的多中心回顾性研究。研究者回顾并分析了2020年7月1日至2022年6月30日期间所有诊断为慢性肾脏病的患者。慢性肾脏病定义为eGFR低于60 mL/min per 1·73 m(2)或存在白蛋白尿。研究基于医院电子病历数据选取了七类药物,包括β受体阻滞剂、血管紧张素转换酶抑制剂、血管紧张素II受体、DPP-4抑制剂、GLP-1受体激动剂、SGLT2抑制剂和钙通道阻滞剂。
【主题与分类】
主题标签: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/NCT05818995
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/NCT05818995
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:慢性肾脏病。慢性肾脏病(CKD)以肾功能障碍为特征,被公认为全球范围内高发病率和高死亡率的主要公共卫生问题。本研究旨在分析不同阶段和类型CKD患者的常见药物使用及联合用药情况。该研究是一项涉及三家医院的多中心回顾性研究。研究人员审查并分析了2020年7月1日至2022年6月30日期间所有诊断为慢性肾脏病的患者。慢性肾脏病的定义为eGFR低于60 mL/min per 1·73 m(2)或存在白蛋白尿。研究基于医院电子病历数据选择了七类药物,包括β受体阻滞剂、血管紧张素转换酶抑制剂、血管紧张素II受体拮抗剂、DPP-4抑制剂、GLP-1受体激动剂、SGLT2抑制剂和钙通道阻滞剂。将采用卡方检验、Mann-Whitney Wilcoxon检验和Kruskal Wallis检验进行统计分析。本研究的主要目的是通过描述CKD患者的药物使用情况,为促进合理用药提供证据。
本研究的次要目的是探讨SGLT-2抑制剂在糖尿病肾病(DN)中的疗效、安全性和经济性。
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。




