GLP-1受体激动剂与阿尔茨海默病:多国目标试验模拟
该数据集来自clinicaltrials.gov,聚焦GLP-1受体激动剂与阿尔茨海默病的关系,覆盖阿尔茨海默病、2型糖尿病及超重肥胖人群

基本信息
资源简介
GLP-1受体激动剂与阿尔茨海默病:多国目标试验模拟
该数据集来自clinicaltrials.gov,聚焦GLP-1受体激动剂与阿尔茨海默病的关系,覆盖阿尔茨海默病、2型糖尿病及超重肥胖人群。源站描述指出真实世界队列研究报告GLP-1RA与阿尔茨海默病发病率降低相关,但随机对照试验未显示延缓进展,形成真实世界证据与随机证据的悖论。数据集旨在通过多国目标试验模拟检验该效应是否因人群而异,可用于研究药物效应异质性及东亚人群外推性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:阿尔茨海默病、2型糖尿病、肥胖与超重。背景:七项大型真实世界队列研究(N > 400万)一致报告,胰高血糖素样肽-1受体激动剂(GLP-1RAs)与阿尔茨海默病(AD)发病率降低19-54%相关。然而,2025年11月,口服semaglutide在3,808名生物标志物确诊的早期AD患者中开展的3期EVOKE和EVOKE+试验未能延缓临床进展。真实世界证据(RWE)与随机证据之间的这一悖论尚未得到系统检验。此外,既往RWE研究主要在北美和欧洲人群中进行,对面临全球最大AD负担的东亚人群存在关键的外推性缺口。目的:通过检验GLP-1RA对AD的效应是否在……之间不同,以解决RWE-RCT悖论
【主题与分类】
主题标签:Alzheimer Disease、Diabetes Mellitus Type 2、Obesity & Overweight。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07677865
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/NCT07677865
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:阿尔茨海默病、2型糖尿病、肥胖与超重。背景:七项大型真实世界队列研究(N > 400万)一致报告,胰高血糖素样肽-1受体激动剂(GLP-1RAs)与阿尔茨海默病(AD)发病率降低19-54%相关。然而,2025年11月,口服司美格鲁肽在3,808例生物标志物确诊的早期AD患者中开展的3期EVOKE和EVOKE+试验未能减缓临床进展。真实世界证据(RWE)与随机证据之间的这一悖论尚未得到系统检验。此外,既往RWE研究主要在北美和欧洲人群中开展,对于承受全球最大AD负担的东亚人群而言,存在关键的外推性空白。目的:通过检验GLP-1RA对AD的影响在认知未受损成人(一级预防范式)与已确立认知障碍患者(治疗范式)之间是否存在差异,以解决RWE-RCT悖论,并评估该保护效应在欧洲、非洲和东亚血统人群中是否一致。
研究设计:这是一项采用目标试验模拟框架的多中心、回顾性、观察性队列研究。研究者分析了来自四大洲五个队列的患者层面电子健康记录(EHR):Optum® Clinformatics®(美国)、Mass General Brigham Biobank(美国)、CPRD Aurum(英国)、瑞典国家糖尿病登记处(瑞典),以及覆盖约全香港人口的香港医院管理局临床数据分析与报告系统(HKHA CDARS)。研究人群:共纳入2,138,917名年龄≥40岁、患有2型糖尿病或肥胖的成年人,要求连续入组≥2年且既往无神经退行性疾病诊断。采用倾向评分重叠加权、Fine-Gray竞争风险调整、阴性对照结局和工具变量方法,将GLP-1RA起始者(n = 612,418)与DPP-4抑制剂起始者(n = 1,526,499)进行比较。
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。




