大型加拿大糖尿病人群足部并发症患病率与风险评估
该数据集来自clinicaltrials.gov,聚焦大型加拿大糖尿病人群的足部并发症患病率与风险评估。覆盖2型糖尿病、1型糖尿病、足部畸形、甲肥厚、糖尿病神经病变、角化过度、甲真菌病及糖尿病足溃疡等主题

基本信息
资源简介
大型加拿大糖尿病人群足部并发症患病率与风险评估
该数据集来自clinicaltrials.gov,聚焦大型加拿大糖尿病人群的足部并发症患病率与风险评估。覆盖2型糖尿病、1型糖尿病、足部畸形、甲肥厚、糖尿病神经病变、角化过度、甲真菌病及糖尿病足溃疡等主题。数据可用于分析糖尿病患者下肢并发症的患病情况与风险因素,支持预防、教育和早期治疗相关研究,并为降低足溃疡、感染及下肢截肢风险提供依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:2型糖尿病、1型糖尿病、足部畸形、甲肥厚、糖尿病神经病变、角化过度、甲真菌病、糖尿病足溃疡。在糖尿病患者中,发病率和死亡率增加的主要原因之一包括下肢并发症。患有周围神经病变和周围动脉疾病的患者有发生足溃疡和感染的风险,这可能导致下肢截肢。加拿大成年糖尿病患者因非创伤性下肢截肢住院的可能性是非糖尿病成年人的20倍。因此,糖尿病足部并发症的预防、教育和早期治疗是糖尿病患者护理的重要组成部分。除神经病变和周围动脉疾病外,发生足溃疡的风险因素还包括水平升高
【主题与分类】
主题标签:Diabetes Mellitus, Type 2、Diabetes Mellitus, Type 1、Foot Deformities、Onychauxis、Neuropathy, Diabetic、Hyperkeratosis、Onychomycosis、Foot Ulcer, Diabetic。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04327622
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/NCT04327622
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
病症:2型糖尿病、1型糖尿病、足部畸形、甲肥厚、糖尿病性神经病变、角化过度、甲真菌病、糖尿病性足溃疡。在糖尿病患者中,导致发病率和死亡率增加的主要原因之一是下肢并发症。患有周围神经病变和外周动脉疾病的患者面临发生足部溃疡和感染的风险,这可能导致下肢截肢。加拿大成年人中,糖尿病患者因非创伤性下肢截肢而住院的可能性是非糖尿病成年人的20倍。因此,预防、教育和早期治疗糖尿病足部并发症是护理糖尿病患者的重要组成部分。除了神经病变和外周动脉疾病外,发生足部溃疡的风险因素还包括糖化血红蛋白水平升高、甲真菌病、微血管并发症、既往足部溃疡或截肢、结构畸形以及关节活动受限。
据我们所知,此前尚未在大量加拿大患者样本中评估过足部并发症(如甲癣)的患病率,以及糖尿病足部并发症与血糖控制及其他糖尿病风险因素的关联。为了更好地了解加拿大糖尿病患者的足部并发症情况,研究人员将回顾性分析LMC足病团队在进行糖尿病足评估时收集的患者数据。LMC足病团队隶属于LMC糖尿病与内分泌中心,该中心是全球最大的内分泌实践团体之一。
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。




