天津糖尿病与健康队列研究
天津糖尿病与健康队列研究依托天津医科大学校企联合糖尿病流行病学研究实验室开展，收集2009至2024年间天津二级和三级医院诊治的396983名糖尿病患者的回顾性与持续医疗记录及健康大数据，建立糖尿病人群队列
基本信息
资源简介
天津糖尿病与健康队列研究
（Tianjin Diabetes and Health Cohort Study）是一项依托天津医科大学校企联合糖尿病流行病学研究实验室开展的糖尿病流行病学研究。该研究收集了2009年至2024年间在天津市二级和三级医院接受诊治的396983名糖尿病患者的回顾性与持续医疗记录及健康大数据，据此建立糖尿病人群队列。研究运用先进的数据挖掘技术，对包括电子健康记录、医学影像数据以及可穿戴设备指标在内的多维度数据进行分析。该数据集在站内归入内分泌、营养和代谢疾病分类下的糖尿病方向，主题标签为糖尿病，来源站为clinicaltrials.gov。
【数据集背景】
糖尿病是内分泌与代谢疾病领域的重要病种，其流行病学特征、疾病进展规律及长期健康结局的刻画有赖于大规模、长时段的人群队列数据支撑。天津糖尿病与健康队列研究正是在这一需求下设立，其研究工作通过天津医科大学校企联合糖尿病流行病学研究实验室组织实施。该研究以天津市二级和三级医院诊治的糖尿病患者为对象，旨在建立覆盖多年份的糖尿病人群队列，为糖尿病流行病学研究提供数据基础。研究关注的疾病条件为糖尿病。
【数据内容】
该数据集的核心内容是2009年至2024年间天津市二级和三级医院诊治的396983名糖尿病患者的医疗记录与健康大数据。数据维度具有多源性，具体包括电子健康记录、医学影像数据以及可穿戴设备指标三类。这些数据既包含回顾性积累的历史记录，也包含持续产生的健康数据，共同构成糖尿病人群队列的数据主体。数据挖掘工作围绕上述多维度数据展开分析。
【采集与来源】
数据来源于天津市二级和三级医院在2009年至2024年间诊治的糖尿病患者。采集对象为在此期间接受诊疗的396983名糖尿病患者，采集内容包括其回顾性医疗记录与持续产生的健康大数据。研究的组织依托单位为天津医科大学校企联合糖尿病流行病学研究实验室。数据的时间跨度为2009年至2024年，覆盖二级和三级两类医疗机构。
【适用场景】
基于数据集所涵盖的糖尿病人群队列及多维度数据特征，其适用方向包括糖尿病流行病学研究，以及对电子健康记录、医学影像数据和可穿戴设备指标等多源数据的综合分析。数据集面向的疾病领域为糖尿病，归属于内分泌、营养和代谢疾病分类。其他具体应用场景源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT06913153
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。本研究通过天津医科大学糖尿病流行病学研究校企联合实验室开展。收集了2009年至2024年间在天津二级和三级医院接受治疗的396983名糖尿病患者的回顾性和持续性病历及健康大数据，以建立糖尿病人群队列。采用先进的数据挖掘技术，分析了包括电子健康记录（EHR）、医学影像数据和可穿戴设备指标在内的多维数据。
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。
