远程缺血适应治疗非增殖性糖尿病视网膜病变
该数据集来自 clinicaltrials.gov,聚焦远程缺血适应(RIC)用于非增殖性糖尿病视网膜病变(NPDR)的随机对照试验

基本信息
资源简介
远程缺血适应治疗非增殖性糖尿病视网膜病变
该数据集来自 clinicaltrials.gov,聚焦远程缺血适应(RIC)用于非增殖性糖尿病视网膜病变(NPDR)的随机对照试验。NPDR 是糖尿病视网膜病变的早期关键阶段,现有抗 VEGF 与激光光凝等治疗多针对晚期病变,早期安全有效的干预手段仍存缺口。RIC 基于“以缺氧对抗缺氧”理念,通过在肢体施加间歇性缺血再灌注循环,激发内源性抗缺氧保护机制。数据可用于评估 RIC 对 NPDR 进展的干预效果及相关临床研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:糖尿病视网膜病变、非增殖性糖尿病视网膜病变、远程缺血适应、2型糖尿病、随机对照试验。非增殖性糖尿病视网膜病变(NPDR)是糖尿病视网膜病变的早期但关键阶段,而糖尿病视网膜病变是全球视力丧失的主要原因。尽管抗 VEGF 治疗和激光光凝等医学治疗取得了进展,但在阻止或逆转 NPDR 进展的安全有效干预措施方面仍存在显著空白。当前疗法通常侧重于晚期疾病阶段,使早期管理成为挑战。远程缺血适应(RIC)引入了一种新颖、非侵入性的 NPDR 治疗方法。基于“以缺氧对抗缺氧”的理念,RIC 在肢体采用间歇性缺血和再灌注循环,以触发针对缺氧的内源性保护机制。
【主题与分类】
主题标签:Diabetic Retinopathy、Non-Proliferative Diabetic Retinopathy、Remote Ischemic Conditioning、Diabetes Mellitus, Type 2、Randomized Controlled Trial。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06713720
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/NCT06713720
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:糖尿病视网膜病变、非增殖性糖尿病视网膜病变、远程缺血适应、2型糖尿病、随机对照试验。非增殖性糖尿病视网膜病变(NPDR)是糖尿病视网膜病变的早期但关键阶段,而糖尿病视网膜病变是全球视力丧失的主要原因。尽管抗VEGF治疗和激光光凝等医学治疗取得了进展,但在阻止或逆转NPDR进展的安全有效干预措施方面仍存在显著空白。当前的治疗往往侧重于疾病晚期,使得早期管理成为一大挑战。远程缺血适应(RIC)为NPDR治疗引入了一种新颖的非侵入性方法。基于“以缺氧对抗缺氧”的理念,RIC通过在肢体上实施间歇性缺血和再灌注循环,触发针对缺氧损伤的内源性保护机制。实验研究强调了RIC的潜在益处,包括增强视网膜氧合、减少病理性血管增生以及保护视网膜神经节细胞。
本研究设计为一项随机、双盲、安慰剂对照临床试验,旨在评估RIC在40-80岁轻至中度NPDR成人中的安全性和有效性。该试验采用严谨的纳入和排除标准,以确保研究结果的可靠性。受试者将使用专用设备接受RIC或安慰剂治疗。RIC组将接受200 mmHg充气压力的治疗,而安慰剂组将接受60 mmHg的假治疗。两种治疗将遵循相同的周期和频率,以确保盲法得以维持。研究结局包括对视网膜结构和功能、全身生物标志物及安全性指标的综合评估。这些评估涵盖糖尿病视网膜病变严重程度评分(DRSS)、视网膜神经血管参数、视力和视网膜氧合的变化。血清生物标志物如VEGF、CRP和IL-6将有助于了解治疗后的全身炎症和血管变化。该试验的结果预计将提供初步
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。




