墨西哥2型糖尿病及相关因素研究
该数据集来自clinicaltrials.gov，为一项在墨西哥Coahuila、Jalisco和Veracruz三个地区开展的多中心观察性横断面研究，纳入1,000名成年2型糖尿病患者，覆盖临床、生活方式、代谢、炎症和遗传因素
基本信息
资源简介
墨西哥2型糖尿病及相关因素研究
该数据集来自clinicaltrials.gov，为一项在墨西哥Coahuila、Jalisco和Veracruz三个地区开展的多中心观察性横断面研究，纳入1,000名成年2型糖尿病患者，覆盖临床、生活方式、代谢、炎症和遗传因素。数据包括标准化临床评估、生活方式与膳食评价、功能测试、实验室检查，以及用于生化指标、炎症标志物和转录组（RNA-Seq）分析的血样。血糖控制以HbA1c评估，糖尿病肾病以估算肾小球滤过率（eGFR）判定。可用于探索上述因素与血糖控制及糖尿病相关并发症的关联，并支持多变量和主成分分析等研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Diabetes Mellitus, Type 2、Chronic Kidney Disease、Diabetic Nephropathy。这项观察性、横断面、多中心研究评估墨西哥三个地区（Coahuila、Jalisco和Veracruz）的成年2型糖尿病（T2D）患者，以探索临床、生活方式、代谢、炎症和遗传因素与血糖控制及糖尿病相关并发症的相互作用。共从Family Medicine Units招募1,000名参与者，他们接受标准化临床评估、生活方式和膳食评价、功能测试以及实验室检查。采集血样用于生化参数、炎症标志物和转录组（RNA-Seq）分析。血糖控制通过HbA1c评估，而糖尿病肾病通过估算肾小球滤过率（eGFR）确定。多变量和主成分
【主题与分类】
主题标签：Diabetes Mellitus, Type 2、Chronic Kidney Disease、Diabetic Nephropathy。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/NCT07248891
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/NCT07248891
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
研究条件：2型糖尿病、慢性肾脏病、糖尿病肾病。这项观察性、横断面、多中心研究评估墨西哥三个地区（科阿韦拉州、哈利斯科州和韦拉克鲁斯州）的成人2型糖尿病（T2D）患者，以探讨临床、生活方式、代谢、炎症和遗传因素与血糖控制及糖尿病相关并发症之间的相互作用。共从家庭医学单位招募1，000名参与者，他们接受标准化的临床评估、生活方式和饮食评估、功能测试以及实验室检查。采集血样用于生化参数、炎症标志物和转录组学（RNA-Seq）分析。通过HbA1c评估血糖控制，而糖尿病肾病则通过估算肾小球滤过率（eGFR）来确定。应用多变量和主成分分析来整合临床、生化和分子信息。该研究旨在识别一种病理分子指纹，以表征代谢控制不良和糖尿病并发症。
通过结合临床和分子特征，本方案旨在为改善风险分层、临床决策以及针对墨西哥T2D的未来公共卫生策略提供证据。
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。
