1型糖尿病微血管功能障碍治疗策略研究
该数据集来自clinicaltrials.gov,聚焦1型糖尿病合并内皮功能障碍的成人参与者,采用随机对照设计比较dulaglutide与安慰剂干预14周的效果

基本信息
资源简介
1型糖尿病微血管功能障碍治疗策略研究
该数据集来自clinicaltrials.gov,聚焦1型糖尿病合并内皮功能障碍的成人参与者,采用随机对照设计比较dulaglutide与安慰剂干预14周的效果。数据覆盖基线及14周两次研究入院,包括连续血糖监测评估血糖变异性、心肺适能测试、肘前静脉内皮细胞活检以及血管测试等。可用于研究1型糖尿病微血管功能障碍的治疗策略、内皮细胞氧化应激与胰岛素介导内皮功能相关基因表达,以及血糖变异性与血管功能的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:1型糖尿病、内皮功能障碍。在这项研究中,47名(完成研究需要n=32)患有1型糖尿病的成年参与者将按1:1随机分配接受为期14周的两种干预之一:1)dulaglutide,2)安慰剂。参与者将在基线和14周时进行两次研究入院。每次入院前,参与者将佩戴连续血糖监测仪(Dexcom G6 Professional)10天以评估血糖变异性(GV)。入院前,他们将接受心肺适能测试。在研究入院日,参与者将在开始血管测试之前接受肘前静脉内皮细胞活检。从采集的内皮细胞中,研究者将量化内皮细胞活性氧(ROS)以及与胰岛素介导的内皮功能相关的基因表达。血管测试将包括对比增强
【主题与分类】
主题标签:Diabetes Mellitus, Type 1、Endothelial Dysfunction。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05478707
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/NCT05478707
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
条件:1型糖尿病、内皮功能障碍。在本研究中,47名(完成研究所需样本量为n=32)患有1型糖尿病的成年参与者将按1:1随机分配接受为期14周的2种干预之一:1)度拉糖肽,2)安慰剂。参与者将在基线和14周时两次入院进行研究。每次入院前,参与者将佩戴连续葡萄糖监测仪(Dexcom G6 Professional)10天,以评估血糖变异性(GV)。入院前,他们将接受心肺适能测试。在研究入院日,参与者将在开始血管测试之前接受肘前静脉内皮细胞活检。研究者将从采集的内皮细胞中定量检测内皮细胞活性氧(ROS)以及与胰岛素介导的内皮功能相关的基因表达。血管测试将包括股四头肌超声造影,以测定微血管血容量(MBV)。研究者还将测量肱动脉血流介导的舒张(FMD)。股四头肌骨骼肌氧合(HHb)也将被测量。
这些血管和肌肉氧合测量将在120分钟正常血糖胰岛素钳夹试验前后进行,该试验将基于葡萄糖输注率(GIR)测量胰岛素敏感性。这项随机、安慰剂对照研究将评估使用度拉糖肽激活GLP-1受体或运动训练是否能改善胰岛素介导的骨骼肌微血管灌注。研究者将评估微血管灌注与心肺适能(VO2max)、胰岛素敏感性(GIR)、内皮活性氧(ROS)以及血糖变异性(GV)之间的预测关系。
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。




