1型糖尿病胰岛素自我管理Think-Find-Solve活动研究
该数据集来自clinicaltrials.gov,聚焦1型糖尿病儿童的胰岛素自我管理。研究针对8-12岁1型糖尿病患儿及其父母,开发并评估一本胰岛素治疗活动书对胰岛素自我管理的影响

基本信息
资源简介
1型糖尿病胰岛素自我管理Think-Find-Solve活动研究
该数据集来自clinicaltrials.gov,聚焦1型糖尿病儿童的胰岛素自我管理。研究针对8-12岁1型糖尿病患儿及其父母,开发并评估一本胰岛素治疗活动书对胰岛素自我管理的影响。研究采用中心层面的整群随机对照实验设计,包含前测、1个月和3个月随访测量,将在伊斯坦布尔两家不同医院开展,经伦理批准和机构许可后启动。数据可用于分析活动干预对儿童及家长胰岛素自我管理行为的效果,属于内分泌、营养和代谢疾病/糖尿病领域(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:1型糖尿病、儿童、活动、胰岛素、自我管理、父母。1型糖尿病儿童需要终身胰岛素治疗。然而,胰岛素治疗管理不当可能导致严重的、可能危及生命的并发症。本研究旨在检验为胰岛素治疗开发的活动书对1型糖尿病儿童及其父母胰岛素自我管理的影响。该研究设计为中心层面的整群随机对照实验试验,包括前测、1个月和3个月随访测量。研究将在获得伦理批准和机构许可后启动。样本将包括8-12岁1型糖尿病儿童及其父母。研究将在伊斯坦布尔两家不同医院进行;使用整群随机化,一家医院将
【主题与分类】
主题标签:Type 1 Diabetes、Children、Activity、Insulin、Self Management、Parent。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/NCT07670572
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/NCT07670572
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:1型糖尿病、儿童、活动、胰岛素、自我管理、父母。1型糖尿病儿童需要终身胰岛素治疗。然而,胰岛素治疗管理不当可能导致严重的、可能危及生命的并发症。本研究旨在探讨为胰岛素治疗开发的活动书对1型糖尿病儿童及其父母胰岛素自我管理的影响。本研究设计为中心层面的整群随机对照实验试验,包括前测、1个月和3个月随访测量。本研究将在获得伦理批准和机构许可后启动。样本将包括8-12岁1型糖尿病儿童及其父母。研究将在伊斯坦布尔的两家不同医院进行;采用整群随机化,一家医院将被分配到干预组,另一家分配到对照组。在主要研究之前,将进行一项每组15名参与者的预试验,并将根据预试验数据使用G*Power计算样本量。
数据将使用“糖尿病儿童描述性信息表”和“胰岛素治疗自我管理量表(ITSMS)——儿童(8-18岁)及家长版”进行收集。干预组的儿童将使用“发现-解决-学习胰岛素自我管理活动手册”。将监测儿童在三个月内每月至少完成两次活动手册,并从其家庭获取关于该过程的反馈。数据收集过程将包括前测、1个月和3个月的随访测量。所获得的数据将采用适当的统计方法进行分析。
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。




