SGLT2抑制剂与日本肾性贫血:真实世界数据

本数据集来源于clinicaltrials.gov,聚焦慢性肾脏病(CKD)患者使用SGLT2抑制剂与贫血发生之间的关联

Boehringer IngelheimBoehringer Ingelheim
clinicaltrials
浏览 12
蛋白质预测Chronic Kidney Disease
SGLT2 Inhibitors and Renal Anemia in Japan: RWD

基本信息

模态
蛋白质
任务类型
预测
创建/更新时间
2026-10-08

资源简介

SGLT2抑制剂与日本肾性贫血:真实世界数据

本数据集来源于clinicaltrials.gov,聚焦慢性肾脏病(CKD)患者使用SGLT2抑制剂与贫血发生之间的关联。研究采用巢式病例对照设计结合发病密度抽样,评估贫血相关结局,包括贫血治疗处方模式、治疗方案、医疗费用及实验室指标变化,并比较研究入组后与索引日期(病例)或匹配参考日期(对照)后的差异。数据可用于探索SGLT2抑制剂在CKD患者中的贫血风险及医疗资源使用情况(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:慢性肾脏病。研究目标为:1. 采用巢式病例对照设计结合发病密度抽样,评估钠-葡萄糖共转运蛋白2(SGLT2)抑制剂使用与慢性肾脏病(CKD)患者贫血发生之间的关联。2. 使用基于巢式病例对照的分析框架评估贫血相关结局,包括通过比较研究入组后时期与索引日期后时期(针对病例)或匹配参考日期后时期(针对对照)的受试者内变化,评估贫血相关治疗和医疗费用的变化,并根据SGLT2抑制剂使用情况进行比较:A) 贫血的处方模式和治疗方案,包括药物类型、给药策略和治疗持续时间的分析 B) 贫血相关医疗费用 C) 实验室值的变化

【主题与分类】

主题标签:Chronic Kidney Disease。本站分类:内分泌、营养和代谢疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07063316

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/NCT07063316

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:慢性肾脏病。研究目标为:1. 采用嵌套病例对照设计结合发病密度抽样,评估钠-葡萄糖共转运蛋白2(SGLT2)抑制剂使用与慢性肾脏病(CKD)患者贫血发生之间的关联。2. 采用基于嵌套病例对照的分析框架评估贫血相关结局,包括通过比较研究入组后时期与索引日期后时期(病例)或匹配参照日期后时期(对照)的受试者内贫血相关治疗及医疗费用变化,并根据SGLT2抑制剂使用情况进行比较:A)贫血的处方模式和治疗方案,包括药物类型、给药策略和治疗持续时间的分析 B)贫血相关医疗费用 C)实验室值变化

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