TODAY2 第二阶段随访研究
该研究追踪 TODAY 队列在向青年期过渡过程中 2 型糖尿病及其相关合并症和并发症的进展，覆盖血糖控制、非血糖因素控制、肥胖、胰岛素抵抗与 β 细胞功能等维度
基本信息
资源简介
TODAY2 第二阶段随访研究
TODAY2 Phase 2 Follow-up 是一项聚焦 2 型糖尿病的内分泌、营养和代谢疾病领域数据集，来源于 clinicaltrials.gov。该数据集围绕 TODAY 队列展开，追踪该队列在向青年期过渡过程中 2 型糖尿病及其相关合并症和并发症的进展。研究关注的核心假设包括：青年起病的 2 型糖尿病会快速进展，并导致较高的糖尿病相关医学并发症和合并症发生率；这种快速进展与青春期特有的胰岛素抵抗增加、较差的 β 细胞功能、血糖控制程度、非血糖因素控制程度以及肥胖本身相关。数据集以 2 型糖尿病为主题标签，覆盖血糖控制、非血糖因素控制、肥胖、胰岛素抵抗与 β 细胞功能等多个维度，为理解青年起病 2 型糖尿病的长期演变提供观察框架。
【数据集背景】
该数据集对应的研究关注青年起病 2 型糖尿病在向青年成年期过渡阶段的疾病进程。TODAY 队列是研究的基础人群，TODAY2 Phase 2 Follow-up 的主要目标是追踪该队列中 2 型糖尿病及相关合并症和并发症的进展。研究提出的假设强调，青年起病的 2 型糖尿病会快速进展，并带来较高的糖尿病相关医学并发症和合并症发生率；同时，这种快速进展与青春期胰岛素抵抗增加、β 细胞功能较差、血糖控制程度、非血糖因素控制程度以及肥胖本身有关。该数据集所属分类为内分泌、营养和代谢疾病下的糖尿病，主题标签为 2 型糖尿病。
【数据内容】
数据集围绕 2 型糖尿病及其相关合并症和并发症的进展展开，覆盖的维度包括血糖控制、非血糖因素控制、肥胖、胰岛素抵抗与 β 细胞功能。其关注对象是 TODAY 队列在向青年期过渡过程中的疾病演变。关于具体变量、字段结构、样本量、随访时间点等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述显示其条件为 2 型糖尿病，研究主要目标为追踪 TODAY 队列向青年成年期过渡过程中 2 型糖尿病及相关合并症和并发症的进展。关于采集方式、采集频率、数据收集机构等具体信息，源站未提供。
【适用场景】
该数据集适用于关注青年起病 2 型糖尿病长期进展的研究场景，可用于探讨向青年期过渡过程中 2 型糖尿病及其相关合并症和并发症的演变，并围绕血糖控制、非血糖因素控制、肥胖、胰岛素抵抗与 β 细胞功能等维度开展分析。关于具体适用模型、分析任务或临床决策场景，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/NCT02310724
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：2型糖尿病。T2P2的主要目标是追踪TODAY队列中T2D及其相关合并症和并发症在患者向青年期过渡期间的进展情况。我们假设：* 青年发病的2型糖尿病（T2D）将迅速进展，并导致糖尿病相关医疗并发症和合并症的高发率。* 快速进展率与青春期特有的胰岛素抵抗增加、β细胞功能较差、血糖控制程度、非血糖因素的控制以及肥胖本身有关。
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。
