提高糖尿病肾病患者早期筛查与诊断能力的研究

本数据集来自 clinicaltrials.gov,主题为糖尿病肾病(Diabetic Kidney Disease, DKD)的早期筛查与诊断能力提升,属于内分泌、营养和代谢疾病下的糖尿病范畴

Yiming MuYiming Mu
clinicaltrials
浏览 11
蛋白质预测Diabetic Kidney Disease
To Improve the Ability of Early Screening and Diagnosis in Patients With Diabetic Nephropathy

基本信息

模态
蛋白质
任务类型
预测
创建/更新时间
2026-10-17

资源简介

提高糖尿病肾病患者早期筛查与诊断能力的研究

本数据集来自 clinicaltrials.gov,主题为糖尿病肾病(Diabetic Kidney Disease, DKD)的早期筛查与诊断能力提升,属于内分泌、营养和代谢疾病下的糖尿病范畴。源站描述指出,DKD 是糖尿病主要并发症之一,也是 2 型糖尿病患者的主要死因,白蛋白尿是其最早表现且早期多无症状,控制不佳可发展为临床 DKD。研究旨在了解 DKD 的流行病学疾病负担,推动诊疗规范化,提高患者认知与筛查率,促进健康素养、健康行为和生活方式形成。数据可用于 DKD 早期筛查、诊断与疾病负担相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:糖尿病肾病。在糖尿病的各种并发症中,DKD 被认为是一项主要威胁,也是糖尿病微血管病变的表现之一。它是 T2DM 患者的主要死因之一。白蛋白尿是 DKD 最早的表现,早期大多无症状,如果白蛋白尿控制不佳,可能发展为临床 DKD。因此,提高患者对 DKD 的认识、定期筛查早期肾脏疾病并合理用药非常重要。为了促进 DKD 患者诊疗的规范化,提高 DKD 患者的知识水平和筛查率,帮助形成健康素养、健康行为和生活方式,研究者规划了这项研究。研究目标:1. 了解 DK 的流行病学疾病负担

【主题与分类】

主题标签:Diabetic 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/NCT05047471

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/NCT05047471

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

疾病:糖尿病肾病。在糖尿病的各种并发症中,DKD被视为主要威胁,是糖尿病微血管病变的表现之一,也是T2DM患者的主要死因之一。白蛋白尿是DKD的最早表现,早期多无症状,若白蛋白尿控制不佳,可能发展为临床DKD。因此,提高患者对DKD的认识、定期筛查早期肾脏疾病并合理用药非常重要。为促进DKD患者诊疗的规范化,提高DKD患者的知识水平和筛查率,帮助形成健康素养、健康行为和生活方式,研究者计划了本研究。研究目标:1. 了解中国DKD的流行病学疾病负担,调查DKD的患病率、知晓率和筛查率;2. 了解中国DKD患者的治疗现状;3. 提供SGLT2i治疗中国DKD疗效和安全性的真实世界数据。

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。

获取专属数据定制方案