2型糖尿病合并COPD患者肺癌风险:SGLT2抑制剂与磺脲类药物比较
该数据集源自clinicaltrials.gov,聚焦2型糖尿病合并COPD患者的肺癌风险,比较SGLT2抑制剂与磺脲类药物的治疗效果

基本信息
资源简介
2型糖尿病合并COPD患者肺癌风险:SGLT2抑制剂与磺脲类药物比较
该数据集源自clinicaltrials.gov,聚焦2型糖尿病合并COPD患者的肺癌风险,比较SGLT2抑制剂与磺脲类药物的治疗效果。研究采用大规模、基于人群的真实世界数据(RWD),通过分析现有医疗记录的纵向数据,模拟目标试验以减少偏倚,并提供稳健的治疗效应估计。统计分析计划包括主分析和多项敏感性分析,主分析采用意向性治疗(ITT)框架,随访在治疗切换时删失,以评估初始治疗选择的效果。数据可用于比较效果研究、肺癌风险预测及药物安全性评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:2型糖尿病、COPD(慢性阻塞性肺疾病)、肺癌(诊断)。研究设计:这是一项比较效果研究,利用大规模、基于人群的真实世界数据(RWD)。通过分析现有医疗记录的纵向数据,研究人员将模拟目标试验以减少偏倚,并提供稳健的治疗效应估计。统计分析计划:该研究采用严谨的分析框架,包括主分析和多项敏感性分析,以确保研究结果的有效性:主分析:在意向性治疗(ITT)框架下比较SGLT2抑制剂与磺脲类药物,随访在治疗切换时删失,以估计初始治疗选择的效果。敏感性分析1(活性对照):比较DPP-4抑制剂与SGLT2抑制
【主题与分类】
主题标签:Type 2 Diabetes、Lung Cancer (Diagnosis)。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07332156
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/NCT07332156
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
疾病条件:2型糖尿病、COPD(慢性阻塞性肺疾病)、肺癌(诊断)。研究设计:这是一项比较效果研究,利用大规模、基于人群的真实世界数据(RWD)。通过分析现有医疗记录中的纵向数据,研究人员将模拟目标试验,以尽量减少偏倚,并提供稳健的治疗效果估计。统计分析计划:该研究采用严谨的分析框架,包括主要分析和多项敏感性分析,以确保研究结果的有效性:主要分析:在意向性治疗(ITT)框架下,比较SGLT2抑制剂与磺脲类药物,随访在治疗转换时删失,以估计初始治疗选择的效果。敏感性分析1(活性对照):在相同的ITT框架下(转换时删失),比较DPP-4抑制剂与SGLT2抑制剂,以评估结果相对于替代的二线降糖药物类别的一致性。
敏感性分析2(按治疗分析):采用按治疗分析方法比较SGLT2抑制剂与磺脲类药物,将连续使用定义为处方间允许60天的间隔期(宽限期),以考虑用药依从性模式。意义与影响 当前糖尿病管理指南优先考虑心血管和肾脏保护。本研究旨在通过以下方式扩展临床证据基础:* 提供关于糖尿病药物长期癌症相关结局的可操作真实世界证据(RWE)。* 评估抗糖尿病药物的选择是否可作为高危人群(COPD-T2DM)肺癌预防的策略。* 为制定综合考虑癌症预防以及代谢、心脏和肾脏健康的综合治疗指南做出贡献。缩写:COPD,慢性阻塞性肺疾病;DPP-4,二肽基肽酶-4;ICD-10,国际疾病分类第十版;ICS,吸入性糖皮质激素;ITT,意向性治疗;LABA,
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。




