利用糖尿病肾病(DKD)登记库实施多靶点治疗(TMT)
该数据集来自 clinicaltrials.gov,聚焦糖尿病肾病(DKD)与糖尿病相关慢性肾脏病。其核心是借助 JADE 项目的风险分层、反馈、建议与决策支持功能,结合任务委派和流程调整,在亚洲 2 型糖尿病合并慢性肾病患者中建立 DKD 登记库,记录真实实践中的危险因素控制与照护标准,赋能医患决

基本信息
资源简介
利用糖尿病肾病(DKD)登记库实施多靶点治疗(TMT)
该数据集来自 clinicaltrials.gov,聚焦糖尿病肾病(DKD)与糖尿病相关慢性肾脏病。其核心是借助 JADE 项目的风险分层、反馈、建议与决策支持功能,结合任务委派和流程调整,在亚洲 2 型糖尿病合并慢性肾病患者中建立 DKD 登记库,记录真实实践中的危险因素控制与照护标准,赋能医患决策,并以团队方式实施多靶点治疗,以降低糖尿病相关临床终点。可用于研究多危险因素控制、登记库建设与团队照护干预效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:糖尿病肾病。假设:在 JADE 项目辅助下,通过患者赋能和基于团队的照护,结合风险分层和决策支持功能,可改善亚洲 2 型糖尿病合并慢性肾脏病患者的多种危险因素控制。达到多个治疗目标可减少这些高危患者的所有糖尿病相关终点。目标:使用 JADE 项目,该项目 1) 包括任务委派和工作流程变更,并辅以 2) 一个基于网络的门户,包含风险分层、反馈、建议和决策支持功能,以建立 DKD 登记库,从而 1) 记录亚洲 2 型糖尿病患者的危险因素控制和真实实践中的照护标准;2) 赋能医生和患者做出知情决策;3) 使用团队方法治疗多个靶点并减少所有糖尿病相关临床
【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/NCT02176278
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/NCT02176278
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
疾病:糖尿病肾病。假设:通过JADE项目增强的患者赋权与团队协作照护,该项目具备风险分层和决策支持功能,能改善亚洲2型糖尿病合并慢性肾脏病患者的多种风险因素控制。达成多重治疗目标可减少这些高风险患者的所有糖尿病相关终点事件。目标:利用JADE项目,该项目1) 包括任务委派和工作流程改变,并辅以2) 一个基于网络的门户,该门户包含风险分层、反馈、建议和决策支持功能,以建立DKD登记册,旨在1) 记录亚洲2型糖尿病患者在实际诊疗中的风险因素控制和照护标准;2) 赋权医生和患者做出知情决策;3) 采用团队方法治疗多重目标并减少所有糖尿病相关临床结局。研究设计:这将是一项多中心随机转化项目,旨在比较常规照护(UC)、赋权照护(EC)与基于团队的赋权照护(TEC)对亚洲国家3000名DKD患者风险因素控制和临床结局的影响。
干预:所有患者将在基线和第12个月时接受由JADE门户网站模板指导的综合评估(CA)。所有患者还将在基线和第12个月的综合评估期间自我填写一套问卷,用于评估生活质量(EQ-5D-3L、WHOQOL-BREF及时间权衡(TTO)问题)和心理困扰(PHQ-9和DASS-21)。在两次综合评估之间的12个月内:* 常规护理(UC)组患者将按照医疗机构的实践接受常规护理。* 强化护理(EC)组患者将收到一份JADE总结报告,其中包含个性化风险预测、治疗目标及决策支持,并由医生和护士进行解释。除按照医疗机构实践接受常规护理外,护士将每3个月电话联系患者以提醒
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。




