信息速览

数据集名称CGMacros — 连续血糖监测×营养饮食多模态数据集

数据类型传感器数据,时间序列数据,影像数据,问卷与自报数据

规模45 名参与者（15 健康 HbA1c<5.7% / 16 前驱糖尿病 5.7%≤HbA1c≤6.4% / 14 型 2 糖尿病 HbA1c≥6.5%），年龄 18-69 岁，BMI 21-46 kg

接入方式PhysioNet CGMacros v1.0.0：双 CGM（Abbott FreeStyle Libre Pro 15min + Dexcom G6 Pro 5min）血糖时序 × MyFitnessPal 膳食宏量营养素 × WhatsApp 食物照片 × Fitbit Sense 活动时序 × 血液分析 × 肠道微生物组 × 人口学/人体测量

AI 就绪度

CGMacros (cgmacros) — 连续血糖监测×营养饮食多模态数据集

AI-Ready Wikipedia 条目｜千方病案医数集编辑部｜最后复核：2026-10-10
数据集官方页：https://physionet.org/content/cgmacros/1.0.0/｜版本 1.0.0｜DOI 10.13026/3z8q-x658

§0 导读：这个数据集解决什么问题

一句话：CGMacros 是人类历史上第一个公开的「连续血糖监测（CGM）× 饮食营养监测」多模态数据集——它把「吃进去的每一口」和「身体随之而来的血糖波动」这两类数据，第一次以可下载、可复现、带基线的形式，交给了全世界的科研者。

三句话：

它采集了什么——45 名参与者（健康/前驱糖尿病/型 2 糖尿病各 15/16/14）× 连续 10 天自由生活，每人佩戴两只连续血糖监测仪（5 分钟与 15 分钟双采样），用 App 记录每一餐的碳水/蛋白/脂肪/纤维，拍下食物照片，佩戴 Fitbit 记录活动，并额外提供血液指标与肠道微生物组。
它能回答什么——「为什么同样一碗面，有人血糖飙升、有人纹丝不动？」「能不能只靠血糖曲线，就自动算出你吃了多少？」前者是餐后血糖响应（PPGR）预测，后者是作者提出的**「逆模型」自动饮食监测**。
为什么稀缺——个性化营养领域最有名的 CGM 数据集（Zeevi et al., Cell 2015，800 人 × 1 周）从未公开；CGMacros 是这一空白的第一个公开填补。

§0 读法三则：

只想下数据：直奔 §6 获取与许可——公开直链，无需申请，CC BY-NC-SA 4.0（注意 NC 非商业 + SA 相同方式共享双约束）。
要做建模：直奔 §4 数据构成、§5 任务与基线、§8 使用指南——务必按 participant_id 做 GroupKFold，别踩同人泄漏。
要评估可用性：直奔 §7 坑点清单与 §9 DAIMS 表——自报误差、采样率不对称、用药混杂，是三条必须先想清楚的坎。

§1 数据集速览：十问十答

#	问题	答案
1	官方全名？	CGMacros: a scientific dataset for personalized nutrition and diet monitoring
2	在哪发布？	PhysioNet（Database Open Access），v1.0.0
3	多少人？	45 人（15 健康 / 16 前驱 / 14 T2D）
4	多少天？	连续 10 天自由生活
5	核心模态？	双 CGM + 膳食宏量营养素 + 食物照片 + Fitbit 活动 + 血液 + 微生物组
6	采样率？	Libre Pro 15 min、Dexcom G6 Pro 5 min
7	许可？	CC BY-NC-SA 4.0
8	怎么获取？	PhysioNet 公开直链，无需申请
9	有基线吗？	有，`parse_data.ipynb` 内置 XGBoost PPGR 预测
10	DOI？	10.13026/3z8q-x658（v1.0.0）

§2 名称与身份速查

项目	内容
官方英文全名	CGMacros: a scientific dataset for personalized nutrition and diet monitoring
简称 / slug	CGMacros / `cgmacros`
发布平台	PhysioNet（Database Open Access）
版本	1.0.0（仅此一版）
发布日期	2025-01-28
DOI（v1.0.0）	10.13026/3z8q-x658
DOI（latest，官方另列）	10.13026/8mak-rs10（存照，见 §12 存照附录）
许可	CC BY-NC-SA 4.0
牵头机构	Sansum Diabetes Research Institute（SDRI）；Texas A&M University CSE
主要作者	Ricardo Gutierrez-Osuna, David Kerr, Bobak Mortazavi, Anurag Das
伦理审批	Advarra IRB Pro00049227
临床试验注册	ClinicalTrials.gov NCT04991142
资助	NSF award No. 2014475
交付体积	未压缩 627.9 MB；ZIP 627.1 MB
去标识	食物照片时间戳位移 ±N 天（365<N<720）
关键词（官方）	continuous glucose monitors, obesity, postprandial glucose response, food macronutrients, metabolic models, food photographs, personalized nutrition

§3 为什么它重要：个性化营养的数据缺口

3.1 饮食是慢性病头号可干预风险，但「测饮食」极难

不良饮食是 2 型糖尿病、肥胖、心血管疾病与部分癌症的主要诱因。既往跨国膳食风险研究指出，改善饮食可预防全球约 五分之一 的死亡——不良饮食导致的死亡数高于包括吸烟在内的其他风险因素。因此，准确监测「吃了什么」 是维持健康饮食、预防慢病的第一步。

然而当前主流饮食监测方法（食物日志、手机 App 自报）有两个顽疾：

依赖长时间人工录入，繁琐、易漏记；
自报误差大，估量与主观偏差显著。

可穿戴传感器（智能手表、智能餐具的内置加速度计）虽能通过手到嘴动作近似检测进食时刻，但这类公开数据集往往只含单一或极少数传感模态，只能支撑很窄的任务（如进食时刻识别、食物照片识别）。

3.2 「CGM + 膳食宏量营养素」配对数据的公开空白

真正稀缺的是同时含有膳食宏量营养素与其对应 CGM 血糖响应的公开数据。Zeevi et al.（Cell 2015）曾记录 800 名参与者 × 1 周的 CGM 响应与详细饮食记录，并借此训练出可基于人体测量、血液面板、肠道微生物组预测个体餐后血糖响应的机器学习模型——但该数据集从未公开，无法被更广泛的学术界复现与扩展。

CGMacros 的价值正在于此：

思路是 Zeevi 的「逆模型」：既然膳食宏量营养素决定餐后血糖曲线，那么反过来，用 CGM 血糖曲线的形态，就能估计这一餐的宏量营养素组成——这让「用 CGM 自动追踪饮食」成为可能。
数据是公开的：作者明确将 CGMacros 定位为「此类的第一个公开数据库」，希望借此「democratize（民主化）个性化营养研究与自动化饮食监测算法研究」。

3.3 从「单一模态」到「多模态」的范式跃迁

Zeevi 式研究多依赖「CGM + 自报饮食」；CGMacros 额外加入食物照片（视觉） 与 Fitbit 活动（运动），使血糖响应可以被拆解为「饮食 × 活动 × 个体表型」的联合函数。这为多模态健康建模提供了自然的实验场：

视觉 → 营养：照片识别食物 → 估算宏量营养素；
营养 → 血糖：宏量营养素 → PPGR 曲线；
活动 → 血糖调制：HR/Mets 如何改变同一餐的血糖曲线。

一句话：CGMacros 把过去锁在单一实验室里的「CGM × 膳食」金标准数据，第一次开放给了所有人，并把模态扩展到视觉与活动，打开了多条研究路径。

3.4 为什么是「现在」：代谢病与可穿戴的双重浪潮

CGMacros 出现的时机并非偶然，它踩在两条大趋势的交汇点上：

趋势一：代谢病负担持续攀升。 型 2 糖尿病、肥胖、代谢综合征的全球患病率长期上行，饮食是其中最可干预的一环。这催生了对「精准、可量化、可个体化」饮食监测方法的强烈需求。

趋势二：可穿戴 CGM 从医疗走向消费。 曾经属于糖尿病患者的血糖监测设备，正快速进入「健康人群」市场——人们开始关心「我吃什么血糖会怎么样」。设备普及带来数据洪流，但公开、带标签、有膳食配对的数据依然极度稀缺。

CGMacros 正是在这两股浪潮的交叉处，提供了一个可复现的基准：它既回应了临床与公卫对个性化营养的需求，又为消费级 CGM 数据提供了学术级的「锚」。

3.5 数据集的设计哲学：自然主义 + 半受控

传统研究常陷入两难：

要真实 → 自由生活观察研究，但变量失控、混杂重重；
要可控 → 实验室代谢研究，但脱离现实、外部效度低。

CGMacros 的取舍是半受控自然主义：受试者在自由生活环境中起居（真实），但早餐（受控奶昔）与午餐（标准化 Chipotle） 被刻意设计以覆盖宏量营养素梯度（可控）。这是一种「在真实世界里植入可控变量」的设计哲学，兼顾了生态效度与统计可辨识性。

这也解释了为什么它能同时支撑：

因果方向的推断（受控梯度让「宏量营养素 → 血糖」的效应可辨）；
真实场景的泛化（自由生活让模型不脱离现实）。

§4 数据构成与规格：七大模态详解

CGMacros 的核心特征不是「数据量大」，而是模态多且同步。同一名参与者在同一段 10 天里，被同时记录了血糖、膳食、照片、活动、临床、微生态六类信息。以下逐模态拆解，并给出官方数据字典（DataDictionary_CGMacros-00X.csv）的字段级规格。

4.1 双连续血糖监测（CGM）

每名参与者佩戴两只盲态（blinded）CGM，一条采集得更密、一条更疏，互为交叉验证：

设备	佩戴位置	采样周期	量程	说明
Abbott FreeStyle Libre Pro	上臂	15 分钟	40-400 mg/dL	专业版盲态 CGM，受试者不读值
Dexcom G6 Pro	腹部	5 分钟	40-400 mg/dL	专业版盲态 CGM，时间分辨率更高

「盲态」这一设计至关重要：受试者看不到自己的血糖读数，因此不会因为「看到血糖高就改变饮食/行为」而污染观测数据——这保证了血糖响应反映的是自然情形，而非被读数反馈调节过的行为。

两条 CGM 采用不同采样周期（5min vs 15min），既是冗余备份，也天然构成「时间分辨率」的对照。对建模者而言，这意味着跨设备时间对齐是一道必须处理的工序（见 §7 坑 2）。

4.2 膳食宏量营养素（MyFitnessPal 自报）

受试者被训练使用 MyFitnessPal 手机 App 记录每一餐。数据字典给出的逐餐字段如下：

字段	范围	含义
`Timestamp`	月/日/年时:分	该 CGM 读数发生的日期位移后时间戳
`Libre GL`	40-400 mg/dL	Libre Pro 报告血糖值
`Dexcom GL`	40-400 mg/dL	Dexcom G6 Pro 报告血糖值
`HR`	30-176	Fitbit 智能手表报告的上一分钟平均心率（bpm）
`Calories (Activity)`	0-16.178	Fitbit 估算的上一分钟消耗卡路里
`Mets`	10-176	Fitbit 提供的代谢当量（MET）×10
`Meal Type`	Breakfast / Lunch / Dinner	该餐的起始标记与餐别
`Calories`	30-1180	该餐估算热量（kcal）
`Carbs`	0-176	该餐碳水估算（g）
`Protein`	3-176	该餐蛋白估算（g）
`Fat`	0-176	该餐脂肪估算（g）
`Fiber`	0-176	该餐纤维估算（g）
`Amount Consumed`	0-100	该餐被吃掉的比例（%）
`Image Path`	路径	该餐起始/结束照片在数据集目录中的位置

关键提示：宏量营养素均为 MyFitnessPal 估算 + 受试者自报，不是实验室称重，存在自报偏倚——这是使用该数据时必须叠加的误差项（见 §7 坑 1）。

4.3 食物照片（WhatsApp 采集）

受试者用 WhatsApp 拍摄每餐开始与结束的食物照片，照片存放路径由 Image Path 字段给出。这是 CGMacros 区别于纯「CGM + 数字记录」数据集的视觉模态——它让「图像识别食物 → 估算宏量营养素 → 预测血糖响应」这条全视觉链路具备训练可能。

为保护隐私，所有食物照片的时间戳被随机位移 ±N 天（365<N<720），即至少位移一年以上，使照片拍摄日期与真实生理时序解耦，降低再识别风险。这也意味着「照片时间 ↔ CGM 时间」的严格对齐需要在相对时序中重建（见 §7 坑 5）。

4.4 身体活动（Fitbit Sense）

受试者佩戴 Fitbit Sense 智能手表记录锻炼，数据以分钟级写入主表，包含三项活动派生量：

HR（心率）：30-176 bpm（上一分钟平均）；
Calories (Activity)：0-16.178 kcal（上一分钟消耗）；
Mets：10-176（代谢当量 ×10，反映活动强度）。

这为「活动/运动对血糖的即时影响」建模提供了必需的自变量——毕竟血糖变化不只由「吃了什么」决定，也由「动了多少」决定。

4.5 血液分析（静态表型）

在筛选（day 1）阶段，研究者采集并检测了多项血液指标，作为参与者的基线健康参数：

糖化血红蛋白 HbA1c（分组依据）；
空腹血糖（fasting glucose）；
空腹胰岛素（fasting insulin）；
甘油三酯（triglyceride）；
胆固醇（cholesterol）。

这些正是 Zeevi 式「个性化血糖响应」模型中，除饮食外最重要的一类个体化预测因子。

4.6 人口学与人体测量

人口学：年龄（18-69 岁）、性别、种族；
人体测量：BMI（21-46 kg/m²） 等。

4.7 肠道微生物组

数据集另附 gut microbiome profiles（肠道微生物组谱），并配有数据字典 DataDictionary_Microbes.csv 与 DataDictionary_Gut_Health_Test.csv。微生物组是 Zeevi 式个性化营养模型中被反复强调的关键个体差异来源——它被认为能部分解释「同样的食物、不同的血糖反应」。(其样本量与测序平台细节官方页未披露，见 §12 遗留疑点。)

4.8 模态对齐示意

采集后形成的记录天然是多模态对齐的：

时间线（同一 participant）
├── CGM 血糖时序：Libre GL(15min) ─┬─ Dexcom GL(5min)
├── 活动时序：HR(1min) / CaloriesA(1min) / Mets(1min)   ← Fitbit
├── 膳食事件：Meal Type(早/午/晚) + 宏量营养素 + Amount Consumed
├── 视觉：Image Path → 餐起始/结束照片
└── 静态表型：血液指标 + 微生物组 + 人口学/BMI（不随时间变化）

PPGR 的计算：对每一餐，取餐前基线到餐后若干小时的血糖曲线，计算曲线下面积（AUC） 与 增量曲线下面积（iAUC），作为该餐的血糖响应标签。官方附带的 parse_data.ipynb 即演示了这一流程。

§5 规模硬数字与采集协议

5.1 规模硬数字总表

维度	数值	来源口径
参与者总数	45 人	官方页 Abstract + Data Description
健康组（HbA1c<5.7%）	15 人	官方页
前驱糖尿病组（5.7%≤HbA1c≤6.4%）	16 人	官方页
型 2 糖尿病组（HbA1c≥6.5%）	14 人	官方页
连续监测天数	10 天（自由生活）	官方页
年龄范围	18-69 岁	官方页 Data Description
BMI 范围	21-46 kg/m²	官方页 Data Description
招募年份	2021-2024	官方页 Data Description
CGM 设备数	每人不低于 2 台（Libre Pro + Dexcom G6 Pro）	官方页 Methods
CGM 采样周期	15 min / 5 min	官方页 Methods
血糖量程	40-400 mg/dL	DataDictionary
餐别	早 / 午 / 晚 3 餐	官方页
估算总餐次	约 1,350 餐（45×10×3，推算）	本条目推算，见 §12
交付未压缩体积	627.9 MB	官方页 Files

推算标注：总餐次 1,350 系「45 人 × 10 天 × 3 餐」的设计推算，考虑 Amount Consumed 与漏记，实际有效餐次可能更少。官方页未直接给出总餐数，请以实际下载文件为准。

5.2 采集协议（Protocol）

5.2.1 筛选与入组

招募地：Sansum Diabetes Research Institute（SDRI，圣巴巴拉，加州）；
day 1：初筛通过后签署知情同意书（Advarra IRB Pro00049227；NCT04991142）；
筛选期测量：BMI、HbA1c、空腹血糖、空腹胰岛素、甘油三酯、胆固醇，并记录人口学（age/gender/race）；
分组依据：按 HbA1c 分为无糖尿病、前驱糖尿病、T2D 三组。

5.2.2 设备佩戴与饮食设计

CGM：Abbott FreeStyle Libre Pro 贴于上臂（15min）；Dexcom G6 Pro 贴于腹部（5min）；两者均盲态；
活动设备：发放 Fitbit Sense 记录锻炼；
饮食记录：训练使用 MyFitnessPal 记餐，用 WhatsApp 拍照；
餐食设计：每人记录 10 天三餐。
- 早餐：不同碳/蛋白/脂肪/纤维配比的蛋白奶昔；
- 午餐：订购自本地快餐连锁 Chipotle Mexican Grill；
- 晚餐：自由生活记录。
- 早餐与午餐被刻意设计以覆盖宏量营养素梯度（varying and known macronutrient compositions）——这是让模型学到「宏量营养素 → 血糖响应」映射的关键实验设计。

5.2.3 为什么「早餐奶昔 + 午餐 Chipotle」是关键设计

这是 CGMacros 最容易被忽略、却最值得称赞的方法学细节。若让受试者完全自由饮食，宏量营养素分布会高度集中（大家都吃得差不多），模型学不到「碳水从 20g 到 90g 的血糖差异」。通过：

早餐奶昔：精确控制碳/蛋白/脂肪/纤维配比，制造受控梯度；
午餐 Chipotle：标准化但多样化的快餐菜单，扩大真实食物覆盖；

研究者人为造出了「已知且多样的宏量营养素跨度」。这正是它区别于普通观察性队列的地方——它是带实验设计的自然主义数据集（semi-controlled free-living）。受试者仍处于自由生活环境，但关键餐次被注入了可控变量。

5.3 交付文件清单

文件	类型	内容
`CGMacros_dateshifted365.zip`	ZIP	主数据（日期位移版）
`DataDictionary_CGMacros-00X.csv`	CSV	主表字段字典（血糖/活动/膳食）
`DataDictionary_Bio.csv`	CSV	生物/表型字段字典
`DataDictionary_Gut_Health_Test.csv`	CSV	肠道健康检测字典
`DataDictionary_Microbes.csv`	CSV	微生物组字典
`DataDictionary.pdf`	PDF	完整字典（合并版）
`LICENSE.txt`	文本	CC BY-NC-SA 4.0 全文
`SHA256SUMS.txt`	文本	文件完整性校验和

5.4 数据质量与缺失处理要点

多模态可穿戴数据的质量陷阱集中在「缺失」与「对齐」两处。CGMacros 亦不例外，使用时须显式处理：

CGM 缺失段：传感器脱落后会出现连续 NaN。短缺口（<30 min）可插值；长缺口（数小时）必须打缺失标记，不能盲目填充，否则会在 PPGR 窗口内制造虚假曲线。
采样率不对称缺失：Libre（15min）与 Dexcom（5min）在任一时点不可能都有值，合并时必须先重采样到统一网格。
膳食事件缺失：受试者可能有漏记（忘了记餐）。表现为「血糖出现餐后峰但无对应 Meal Type 行」。建模时应把这类「未标记餐」作为负样本或噪声处理，而非当作「没吃」。
照片缺失：并非每餐都附照片，Image Path 可能为空。视觉-血糖联合任务须先统计照片覆盖率。
活动缺失：Fitbit 未佩戴时段 HR/Mets 为空，长时间空窗会影响「活动-血糖」关联估计。
Amount Consumed 缺失：若该字段缺失，须保守假设为 100% 或按群体均值，并记录假设。

工程建议：在管线早期就建立一张「缺失率表」（每模态 × 每参与者），在做任何建模前先看缺失分布——这是多模态数据集的第一道卫生检查。

5.5 多模态价值矩阵

CGMacros 六模态的组合价值，可用下表理解：每一行是一种研究问题，每一列是所需模态。

研究问题	CGM	膳食宏量	照片	活动	血液	微生物组
PPGR 预测（正向）	✓ 标签	✓ 特征	—	○ 可选	✓ 特征	○ 可选
宏量营养素反推（逆向）	✓ 特征	✓ 标签	○	○	○	—
食物图像识别	—	✓ 标签	✓ 特征	—	—	—
活动-血糖调制	✓	○	—	✓ 特征	○	—
个性化营养推荐	✓	✓	—	○	✓	✓
代谢表型聚类	○	○	—	○	✓	✓

（✓ = 必需，○ = 有用但非必需，— = 不涉及）

要点：CGMacros 的稀缺性不在单模态精度，而在于同一批人身上同时具备这些模态——这让「跨模态因果/相关研究」第一次在公开数据上成为可能。

5.6 与「纯健身房/纯实验室」数据集的差别

类型	代表	环境	CGMacros 的不同
纯实验室代谢	代谢舱、间接测热	严格受控	CGMacros 是自由生活，更贴近真实
纯观察队列	大型流行病学	自由但无密集传感	CGMacros 密集传感（分钟级）
纯设备厂商数据	某品牌 App 导出	自由但封闭	CGMacros 公开可下载
半受控自然主义	CGMacros	自由生活 + 关键餐受控	独此一家

§6 任务与基线

6.1 正向任务：预测餐后血糖响应（PPGR）

给定一餐的膳食宏量营养素 + 人口学 + 健康参数（如 BMI），预测该餐的餐后血糖响应曲线特征——AUC 与 iAUC。

这是「个性化营养」的经典监督学习设定：同样的食物对不同人、甚至同一人在不同状态下，血糖反应可能天差地别；模型要学的正是「什么因素解释这种个体差异」。

官方提供的基线脚本 parse_data.ipynb 内置了 XGBoost 模型来完成这一预测。这是 PhysioNet 少见的「数据集自带可运行基线」设计——使用者下载后可立即跑通「解析 → 训练 → 预测」，无需从零搭特征工程。

6.2 逆向任务：用 CGM 反推膳食宏量营养素

作者明确提出这是 Zeevi 的「inverse（逆）模型」：既然「宏量营养素 → PPGR」可靠，那么反过来说，PPGR 曲线的形态应当可以反推出这一餐的宏量营养素组成。若成立，则意味着「用一根 CGM 就能自动追踪你吃了什么」，无需手动记餐。

CGMacros 的存在价值，正是为这一类逆向膳食监测研究提供公开带标签训练集。作者在 Abstract 中的措辞值得记录：他们把这视为**「democratize（民主化）个性化营养研究」** 的一步。

6.3 可用任务全景

任务类型	输入	输出/标签	说明
PPGR 预测（正）	宏量营养素 + 人口学 + 血液/BMI	AUC / iAUC	官方 XGBoost 基线
宏量营养素反推（逆）	CGM 血糖曲线	Carbs/Protein/Fat/Fiber	作者提出的开放方向
进食时刻/餐别识别	CGM + 活动时序	Meal Type	时序分类
食物图像识别	食物照片	食物类别/营养	视觉模态
活动-血糖关联	HR/Mets + 血糖	血糖变化	多模态时序建模
个体化聚类	微生物组 + 表型	代谢表型分群	无监督
血糖预测（时序）	历史 CGM	未来 CGM	时间序列预测
缺失模态补全	部分模态	缺失模态	跨模态生成

6.4 与 Zeevi 模型的定位对照

维度	Zeevi et al.（Cell 2015）	CGMacros
样本	800 人 × 1 周	45 人 × 10 天
公开性	未公开	公开（PhysioNet）
模态	CGM + 饮食 + 血液 + 微生物组	CGM + 饮食 + 照片 + 活动 + 血液 + 微生物组
模型方向	正向（因素 → 血糖响应）	正向 + 逆向（血糖 → 膳食）
视觉模态	无	有食物照片
定位	学术里程碑但封闭	可复现的开放底座

结论：CGMacros 不是要「超越」Zeevi 的规模（45 < 800），而是要做 Zeevi 做不到的事——让数据开放、让模态更全、让逆向路径可训练。二者是互补而非替代关系。

§7 坑点清单：十个已踩过的坑

以下坑点基于 CGMacros 的数据设计特征与多模态数据集的通用陷阱，逐条编号，供复现者避雷。

坑 1：把 MyFitnessPal 自报宏量营养素当成「真值」。
Carbs/Protein/Fat/Fiber/Calories 全部是自报估算，非实验室称重。用来训练「宏量营养素 → PPGR」模型时，输入侧本身带噪，会低估模型上限，也让「逆模型」反推的目标带系统偏差。任何结论都应把自报误差作为误差项显式讨论。

坑 2：两路 CGM 采样率不同，直接对齐会错位。
Libre Pro 是 15 min、Dexcom G6 Pro 是 5 min。若直接按行合并或做滚动窗口，两路时间戳根本不在同一网格。必须先统一重采样（如都降到 15min 或都插值到 5min），并处理传感器脱落造成的长缺失段。

坑 3：Amount Consumed 未按比例折算。
该字段是「吃掉的比例（0-100%）」。若一餐只吃了 60%，但你仍用满量宏量营养素去预测血糖，就会系统性高估碳水摄入，污染 PPGR 标签。建模前必须按比例折算实际摄入量。

坑 4：忽略「盲态」设计，误把设备反馈当行为调节。
两只 CGM 都是盲态——受试者看不到读数。这正是数据集的价值所在。切勿在分析时假设存在「读数→行为」反馈回路；相反，盲态保证了观测到的是自然响应。同时也意味着没有「用户主动干预」标注，别去找不存在的事件字段。

坑 5：食物照片时间戳位移，破坏严格跨模态对齐。
照片被位移 ±N 天（365<N<720）做去标识。这意味着照片的绝对时间与 CGM/膳食记录的绝对时间不再严格一致。如果你的任务是「照片 → 该时刻血糖」的严格时间对齐训练，必须改用主表内的相对时序（如以 Meal Type 标记为锚），不能依赖照片文件名里的日期。

坑 6：非均衡队列 + 用药混杂。
三组 15/16/14 接近均衡，但 T2D 组极可能正在服药/胰岛素，而数据字典未单列用药字段。药物对餐后血糖的影响可能主导信号，若模型把「组别」当特征，学到的可能是「用药模式」而非「营养响应」。务必在讨论中声明这一混杂。

坑 7：按行随机划分训练/验证 → 同一人泄漏。
本数据集是面板数据：同一名参与者贡献约 30 餐、数千条 CGM 读数。若用普通 train_test_split，同一人的样本会同时出现在训练与验证集，模型只需记住「这个人」就能虚高准确率。必须按 participant_id 做 GroupKFold。

坑 8：把 Mets/HR 的编码上限当生理上限。
字典中 Protein/Fat/Fiber/Carbs 上限均为 176、Mets 上限 176、HR 上限 176——多个字段共享 176 这一整数，疑为编码/截断约定而非生理边界。直接当生理量做归一化会被误导。

坑 9：CC BY-NC-SA 的「NC + SA」双约束。
许可是非商业（NC）+ 相同方式共享（SA）。用于任何含商业性质的产品/服务前须先解决合规；且衍生物须以相同许可发布。相比 CC BY（如 PANDA-PLUS-Bench），约束更强，落地前务必读 LICENSE.txt。

坑 10：误以为这是「大样本」数据集。
45 人 × 10 天在深度学习的尺度上非常小。它的定位是高质量、多模态、可复现的「种子数据集」，不是「大数据」。追求 SOTA 泛化时，务必考虑其样本量上限，或与其他数据集联合。

附加坑：把「约 1,350 餐」当精确值。
该数字系推算（45×10×3），官方未直接给出，且未扣除 Amount Consumed<100% 与漏记——引用时须标「约 / 推算」。

§8 使用指南（代码示例）

CGMacros 的官方数据以 ZIP 分发（CGMacros_dateshifted365.zip），附四个数据字典 CSV、一个 PDF 字典、LICENSE 与 SHA256SUMS。下面给出典型读取与建模流程示意。

8.1 下载与校验

# 方式一：直接下载 ZIP（浏览器/curl 均可，公开直链无需申请）
curl -O https://physionet.org/files/cgmacros/1.0.0/CGMacros_dateshifted365.zip

# 方式二：wget 递归抓取整版文件
wget -r -N -c -np https://physionet.org/files/cgmacros/1.0.0/

# 校验（先说校验再解压）
# 下载 SHA256SUMS.txt 后：
sha256sum -c SHA256SUMS.txt

许可为 CC BY-NC-SA 4.0：可自由用于非商业用途，但须署名（BY）、非商业（NC）、相同方式共享（SA）。

8.2 载入主表（合成示例）

import pandas as pd

# 主数据字典字段（DataDictionary_CGMacros-00X.csv）
# Timestamp, Libre GL, Dexcom GL, HR, Calories (Activity), Mets,
# Meal Type, Calories, Carbs, Protein, Fat, Fiber, Amount Consumed, Image Path
df = pd.read_csv("CGMacros-001.csv", parse_dates=["Timestamp"])

print(df.columns.tolist())
print(df[["Timestamp", "Libre GL", "Dexcom GL", "HR", "Meal Type"]].head())

# 血糖量程过滤（字典规定 40-400 mg/dL）
glu = df[["Libre GL", "Dexcom GL"]].clip(lower=40, upper=400)

8.3 统一两路 CGM 的采样网格

def resample_cgm(df, target="15min"):
    """将两路不同采样率的 CGM 统一重采样到同一时间网格。"""
    out = (df.set_index("Timestamp")[["Libre GL", "Dexcom GL"]]
             .resample(target)
             .mean()          # 15min 桶内取均值
             .interpolate(limit=2))  # 短缺失线性插值，长缺失保留 NaN
    return out

grid = resample_cgm(df, target="15min")
# 提示：长缺失段（传感器脱落）不要过度插值，应显式打缺失标记。

8.4 构建餐后血糖响应（PPGR）特征

import numpy as np

def ppgr_features(participant_df, meal_ts, horizon_min=180):
    """
    对某一餐，取餐后 horizon_min 分钟的 CGM 曲线，
    计算 AUC 与增量 AUC（iAUC）。
    """
    end_ts = meal_ts + pd.Timedelta(minutes=horizon_min)
    w = participant_df[(participant_df["Timestamp"] >= meal_ts) &
                       (participant_df["Timestamp"] <= end_ts)].copy()
    w = w.dropna(subset=["Dexcom GL"]).sort_values("Timestamp")
    if len(w) < 3:
        return np.nan, np.nan

    t = (w["Timestamp"] - meal_ts).dt.total_seconds() / 60.0  # 分钟
    g = w["Dexcom GL"].to_numpy()

    baseline = g[0]
    auc = np.trapz(g, t)                                 # 总 AUC
    iauc = np.trapz(np.clip(g - baseline, 0, None), t)   # 仅基线以上面积
    return auc, iauc

meals = df[df["Meal Type"].notna()]
# for ts in meals["Timestamp"]: auc, iauc = ppgr_features(df, ts)

8.5 按比例折算实际摄入（坑 3 的正解）

# Amount Consumed 是 0-100 的百分比
for col in ["Calories", "Carbs", "Protein", "Fat", "Fiber"]:
    df[f"{col}_intake"] = df[col] * df["Amount Consumed"] / 100.0

8.6 XGBoost 基线（对齐官方 parse_data.ipynb 思路）

from xgboost import XGBRegressor
from sklearn.model_selection import GroupKFold
from sklearn.metrics import mean_absolute_error

# 特征：膳食宏量营养素 + 人口学 + 健康参数
FEATS = ["Calories_intake", "Carbs_intake", "Protein_intake", "Fat_intake",
         "Fiber_intake", "BMI", "HbA1c", "age"]

def train_baseline(X, y, groups):
    gkf = GroupKFold(n_splits=5)  # 按参与者分组，防同人泄漏
    scores = []
    for tr, va in gkf.split(X, y, groups):
        model = XGBRegressor(n_estimators=400, max_depth=4,
                             learning_rate=0.05, subsample=0.8)
        model.fit(X.iloc[tr], y[tr])
        pred = model.predict(X.iloc[va])
        scores.append(mean_absolute_error(y[va], pred))
    return float(np.mean(scores))

# 关键：务必 GroupKFold 按 participant_id 分组，
# 否则同一人的多餐会同时进入训练/验证，导致乐观偏差。

8.7 使用要点清单

按参与者分组交叉验证（GroupKFold），避免「同一人泄漏」；
统一 CGM 采样网格后再算 PPGR；
Amount Consumed <100% 的餐需按比例折算宏量营养素；
不要用食物照片的背景做捷径特征（隐私 + 泛化双重风险）；
照片时间戳已位移，跨模态对齐以主表相对时序为准；
NC 条款：任何下游用途若含商业性质，须先解决许可。

8.8 特征工程细节建议

在官方 XGBoost 基线上，可进一步构造的特征族：

特征族	示例	作用
基线血糖	餐前 15/30/60 min 均值、餐前斜率	捕捉「起跑线」状态
膳食宏量	碳水/蛋白/脂肪/纤维（克 + 占比 + 折算实际摄入）	主自变量
膳食复合	碳水蛋白比、碳脂比、总热量、纤维/碳水比	交互效应
时间/餐别	早/午/晚 one-hot、距上一餐时长	昼夜与间隔效应
活动	餐后 30/60 min 的 Mets 峰值、Calories 累计	运动调制
个体表型	BMI、年龄、HbA1c、性别	个体差异主因
个体化编码	participant_id 的 target-encoding（仅在训练折内计算）	捕捉未观测个体偏置（注意泄漏）

警告：participant_id 的目标编码必须在训练折内拟合，否则会引入泄漏；且若用 GroupKFold，个体编码的意义会大幅降低。

8.9 时间序列建模（进阶）

对「未来血糖预测」任务，可把 CGM 视为多变量时序：

# 伪代码：滑动窗口构造监督样本
# 输入：过去 L 个时间步的 [Libre, Dexcom, HR, Mets]
# 输出：未来 H 个时间步的 Dexcom GL
def make_windows(df, L=12, H=3):
    cols = ["Libre GL", "Dexcom GL", "HR", "Mets"]
    X = df[cols].to_numpy()
    xs, ys = [], []
    for i in range(len(X) - L - H):
        xs.append(X[i:i+L])
        ys.append(X[i+L:i+L+H, 1])  # 预测 Dexcom
    return np.array(xs), np.array(ys)

# 可用 LSTM / TCN / Transformer；务必按 participant 分组切分。
# 单一模态缺失（如只有 CGM）时的补全，是多模态研究的天然题目。

8.10 复现检查清单

[ ] 已用 SHA256SUMS.txt 校验文件；
[ ] 已重采样两路 CGM 到统一网格；
[ ] 已按 Amount Consumed 折算宏量营养素；
[ ] 已按 participant_id 分组切分；
[ ] 已标注并单独处理长缺失段；
[ ] 已声明自报偏倚与用药混杂；
[ ] 已确认用途符合 CC BY-NC-SA（非商业 + 相同方式共享）。

§9 数据可用性与元数据（DAIMS 表）

下表按 DAIMS（Data Asset Information Metadata Standard） 核心字段整理 CGMacros 的元数据快照。

DAIMS 字段	内容
Dataset Title（名称）	CGMacros: a scientific dataset for personalized nutrition and diet monitoring
Identifier（标识）	DOI：10.13026/3z8q-x658（latest 另列 10.13026/8mak-rs10）；PhysioNet slug：`cgmacros`
Version（版本）	1.0.0（2025-01-28，唯一版本）
Description（描述）	45 名参与者 × 10 天自由生活的双 CGM 血糖、膳食宏量营养素、食物照片、身体活动、血液分析与肠道微生物组的多模态数据集
Publisher（发布者）	PhysioNet
Contact／Study Sponsor（联系/申办）	Sansum Diabetes Research Institute（SDRI）；Texas A&M University CSE；NSF award No. 2014475
Created／Temporal Coverage（时间覆盖）	受试者招募 2021-2024；发布 2025-01-28
Subject／Domain（主题域）	个性化营养、连续血糖监测、代谢疾病（前驱糖尿病/T2D）、可穿戴传感、多模态健康
Data Modalities（模态）	时序（CGM 5/15min、Fitbit 1min）、事件表（膳食）、图像（食物照片）、表格（血液/人口学/微生物组）
Population（人群）	45 人；15 健康 / 16 前驱 / 14 T2D；年龄 18-69；BMI 21-46 kg/m²
Provenance（来源链）	SDRI 招募 → 设备采集（Libre Pro/Dexcom G6 Pro/Fitbit Sense/MyFitnessPal/WhatsApp）→ 去标识（日期位移 ±365~720 天）→ PhysioNet 发布
Ethics／Consent（伦理）	Advarra IRB Pro00049227；NCT04991142；受试者签署知情同意
License／Access（许可与获取）	CC BY-NC-SA 4.0；Database Open Access，公开直链
Format／Size（格式/体积）	ZIP + CSV + PDF + ipynb；未压缩 627.9 MB，ZIP 627.1 MB
Integrity（完整性）	SHA256SUMS.txt
De-identification（去标识）	食物照片时间戳位移 ±N 天（365<N<720）；人口学匿名
Redistribution（再分发）	允许（非商业 + 相同方式共享）；须署名
Baseline／Artifacts（基线/工件）	parse_data.ipynb（XGBoost PPGR 基线）
Known Limitations（已知局限）	自报误差、小样本、用药混杂、采样率不对称（详见 §7）
AI-Ready 评分（本条目评估）	可获取性 ★★★★★（公开直链）｜文档完整度 ★★★★★（四套字典 + PDF）｜可复现性 ★★★★☆（自带基线代码，但缺用药字段）｜多模态价值 ★★★★★（六模态同步）｜规模 ★★★☆☆（45 人，种子级）

9.1 AI-Ready 光谱定位

在千方病案医数集的「AI-Ready 可获取性光谱」上，CGMacros 属于**最右侧（最开放）**的一档：

档位	代表	获取方式
完全开放	CGMacros、PANDA-PLUS-Bench	公开直链，无需申请
请求制	PANDA-PLUS 掩码	向通讯作者申请
认证访问	MIMIC-IV 系列	需 PhysioNet 认证 + 培训
受限/封闭	Zeevi 2015	未公开

意义：CGMacros 落在最开放档，且自带文档与基线代码——这意味着研究者从「看到条目」到「跑出第一个 PPGR 预测」的路径极短，是该数据集对社区最大的贡献之一。

§10 生态与互链点

10.1 上游依赖与资源

PhysioNet：CGMacros 的托管平台与分发渠道（Database Open Access）；
ClinicalTrials.gov NCT04991142：原始研究的临床试验注册号，可追溯研究设计与终点；
Zeevi et al., Cell 2015：个性化营养 CGM 研究的奠基性工作（800 人 × 1 周，未公开），CGMacros 在 Abstract 中将其定为「inverse 模型」的参照与空白填补对象；
会议论文锚：Improved Calorie Estimation, IEEE EMBS BHI 2023。

10.2 库内可互链条目

库内条目（rid）	互链理由	建议
`mimic-iv-ext-ecg-glucose`（rid 998/999）	同为「血糖」主题，构成临床 vs 生活对照	强互链
`wearable-exam-stress`（rid 807）	可穿戴生理信号 × 场景化应激	中互链
`big-ideas-glycemic-wearable`（本批，DB 未入库）	血糖变异度 + 腕戴可穿戴	需消歧 + 互链
`maternal-ultrasound-nutrition`（rid 615）	营养主题	弱互链

10.3 与 `mimic-iv-ext-ecg-glucose` 的差异辨析（强互链对象）

两者都含「血糖」，但口径完全不同，是最容易被误认作撞库的一对：

维度	CGMacros	mimic-iv-ext-ecg-glucose（rid 998/999）
场景	自由生活（院外）	ICU 重症监护（院内）
血糖来源	可穿戴 CGM（每 5/15 分钟）	实验室采血（间断）
血糖性质	组织间液葡萄糖	血浆葡萄糖
配对模态	膳食 + 照片 + 活动	12 导联 ECG
核心问题	个性化营养 / 膳食监测	危重症血糖-心电关联
人群	健康 + 前驱 + T2D	危重症患者

结论：二者恰好构成「院内临床血糖动力学 vs 院外生活血糖动力学」的互补，是绝佳的对照互链对。

10.4 与 `big-ideas-glycemic-wearable` 的消歧说明（重要）

本批同时存在另一个血糖/可穿戴条目，必须辨析，避免被误认为撞库：

维度	CGMacros（本条目）	Glycemic Variability and Wearable Device Data
slug / 负责代理	`cgmacros` / agent-d-cgmacros	`big-ideas-glycemic-wearable` / agent-f-bigideasgl
官方平台	PhysioNet	PhysioNet
发布 / 版本	2025-01-28 / v1.0.0	2023-09-18 / v1.1.2
作者 / 机构	Gutierrez-Osuna, Kerr, Mortazavi, Das（SDRI + Texas A&M）	Peter Cho, Juseong Kim, Brinnae Bent, Jessilyn Dunn（BIG IDEAs Lab，Duke）
目标人群	健康 + 前驱 + T2D 三组	正常血糖（normoglycemic）/ 前驱人群，聚焦血糖变异性
核心模态	双 CGM + 膳食宏量 + 照片 + Fitbit + 血液 + 微生物组	血糖 + 腕戴可穿戴（PPG/EDA/温度等）
核心任务	个性化营养 / PPGR 预测 / 膳食反推	血糖变异性（GV）biomarkers 表征
规模	45 人 × 10 天	以官方页为准（本条目不越权描述）

结论：二者主题同域但任务、人群、模态组合不同，不构成撞库，可同批入库。互链时应在各自正文明确「对方是另一方」，避免读者混淆。

10.5 库内互链关系图

                    ┌─────────────────────────────┐
                    │   cgmacros (本条目)          │
                    │   CGM × 营养饮食 × 多模态     │
                    └──────────────┬──────────────┘
              强互链                │                中互链
        ┌───────────────────────────┼────────────────────────┐
        ▼                           ▼                        ▼
┌──────────────────┐   ┌───────────────────────┐   ┌────────────────────┐
│ mimic-iv-ext-ecg │   │ big-ideas-glycemic-    │   │ wearable-exam-     │
│ -glucose         │   │ wearable (本批, 消歧)   │   │ stress (rid 807)   │
│ rid 998/999      │   │ 血糖变异 × 腕戴         │   │ 可穿戴 × 应激       │
│ 院内血糖 vs 院外  │   └───────────────────────┘   └────────────────────┘
└──────────────────┘

10.6 应用场景蓝本

CGMacros 可支撑的典型科研/产品场景蓝本：

场景	输入	输出	目标用户
个人血糖顾问	当餐宏量营养素 + 个体表型	预测 PPGR 曲线	消费级 CGM 用户
膳食自动记账	CGM 曲线	宏量营养素估计	数字健康 App
饮食处方仿真	候选饮食方案	预期血糖影响	临床营养师
食物图像营养估计	食物照片	卡路里/宏量素	减重/慢病管理
运动-饮食联合建议	活动 + 饮食	血糖稳定策略	运动健康平台
代谢表型分诊	表型 + 微生物组	风险分层	预防医学
算法基准	CGMacros 全量	方法对比	学术界

注意：涉及面向消费者的商业化场景时，须先解决 NC（非商业） 许可约束。

§11 总结

11.1 一段话总括

CGMacros 是第一个公开的「连续血糖 × 饮食营养」多模态数据集。它以 45 名参与者（健康/前驱/T2D 三组）连续 10 天的自由生活为窗口，同步记录了双 CGM 血糖时序、逐餐膳食宏量营养素、食物照片、Fitbit 活动、血液指标与肠道微生物组，并以 CC BY-NC-SA 4.0 完全开放、附 XGBoost 基线。它填补了 Zeevi et al.（Cell 2015）留下的公开空白，为个性化营养、餐后血糖响应预测、以及「用 CGM 反推膳食」的自动饮食监测三类研究提供了可复现的种子底座。

11.2 三类读者的行动建议

营养/代谢研究者：这是目前唯一公开的「CGM + 已知宏量营养素梯度」数据，最适合做个体化血糖响应的可复现研究。
ML/时序建模者：六模态同步 + 自带基线，是练手多模态对齐、面板数据建模、跨模态补全的优质小数据集——但务必 GroupKFold。
可穿戴/饮食监测产品团队：注意 NC 非商业许可；要想商用，须先解决合规，或寻求作者授权。

11.3 一句话记忆点

CGMacros = 「第一份公开的『吃了什么 ↔ 血糖怎么变』配对档案」——45 人、10 天、双 CGM、六模态、CC BY-NC-SA 开放。

11.4 面向未来：这个数据集还能长出什么

CGMacros 的价值会随着下游工作累积而放大。以下方向均尚未被官方设限，任何团队都可基于 CC BY-NC-SA 4.0 探索：

血糖基础模型（CGM Foundation Model）：以 CGMacros 为预训练语料之一，学习跨人群的血糖动态表征；
多模态大模型对齐：把「食物照片 → 营养标签 → 血糖曲线」串成一条可训练的视觉-时序链路；
零样本膳食识别：用逆模型在未见食物上估计宏量营养素；
个体化数字孪生：为每名参与者拟合「饮食/活动 → 血糖」的个人化模型，用于饮食处方仿真；
隐私保护学习：在 NC 约束下做联邦学习风格的跨机构协作；
偏差审计：以本数据集为例，系统研究自报偏倚、用药混杂对代谢建模的影响。

11.5 数据集在千方病案医数集中的定位

维度	评价
主题稀有度	极高——库内暂无同类的「CGM × 膳食 × 多模态」公开数据集
可获取性	高——公开直链
模态丰富度	极高——六模态同步
规模	中——种子级，非大数据
许可宽松度	中——NC + SA，弱于 CC BY
最适合角色	「代谢可穿戴 × 个性化营养」主题的锚点条目

FAQ（高频问答 24 问）

Q1：CGMacros 到底包含多少人的数据？
A：45 名参与者。按糖化血红蛋白（HbA1c）分为三组：15 名健康成人（HbA1c<5.7%）、16 名前驱糖尿病（5.7%≤HbA1c≤6.4%）、14 名型 2 糖尿病（HbA1c≥6.5%）。每人均连续记录 10 天。

Q2：它是「连续」血糖还是「间断」血糖？
A：连续。每人佩戴两只 CGM（连续血糖监测仪）：Abbott FreeStyle Libre Pro（15 分钟采样）与 Dexcom G6 Pro（5 分钟采样），量程均为 40-400 mg/dL。

Q3：CGM 为什么是「盲态」的？
A：两只 CGM 均盲态（blinded），受试者看不到自己的血糖读数。这样能防止「看到血糖后改变饮食/行为」的反馈污染，使观测反映自然血糖响应。

Q4：膳食数据从哪来，准吗？
A：来自受试者用 MyFitnessPal App 的自报记录，含 Calories/Carbs/Protein/Fat/Fiber/Amount Consumed。属自报估算，非实验室称重，存在自报偏倚——使用时须显式作为误差项（见 §7 坑 1）。

Q5：有食物照片吗？
A：有。受试者用 WhatsApp 拍摄每餐起始与结束照片，路径存于 Image Path 字段。为隐私，照片时间戳位移 ±N 天（365<N<720）（见 §7 坑 5）。

Q6：活动数据是什么设备采的？
A：Fitbit Sense 智能手表，以分钟级记录 HR（心率）、Calories (Activity)、Mets（代谢当量×10）。

Q7：有没有血液和微生物组数据？
A：有。含 HbA1c、空腹血糖、空腹胰岛素、甘油三酯、胆固醇等血液分析，以及肠道微生物组（gut microbiome） 谱；另有人口学与 BMI 等人体测量。

Q8：数据是什么许可？能商用吗？
A：CC BY-NC-SA 4.0（署名-非商业-相同方式共享）。可自由用于非商业用途，须署名且衍生物须相同许可；商业用途受限（见 §7 坑 9）。

Q9：怎么获取？要申请吗？
A：公开直链，无需申请。在 PhysioNet 页面直接下载 ZIP，或用 wget -r -N -c -np https://physionet.org/files/cgmacros/1.0.0/。

Q10：多大体积？
A：未压缩 627.9 MB；ZIP 下载 627.1 MB。附带数据字典、LICENSE 与 SHA256SUMS。

Q11：DOI 是什么？
A：版本 1.0.0 的 DOI 为 10.13026/3z8q-x658。官方页另列 latest DOI 10.13026/8mak-rs10（详见 §12 存照附录）。

Q12：它和 Zeevi et al.（Cell 2015）什么关系？
A：Zeevi 记录了 800 人 × 1 周的 CGM + 饮食并训练了个性化营养模型，但数据未公开。CGMacros 是其「inverse 模型」思路的公开填补——用「PPGR 反推宏量营养素」实现自动饮食监测（见 §3、§6）。

Q13：官方有现成基线代码吗？
A：有。附带 parse_data.ipynb，内含 XGBoost 基线，用于预测每餐 PPGR 的 AUC / iAUC。

Q14：适合做什么任务？
A：PPGR 预测、宏量营养素反推、进食时刻识别、食物图像识别、活动-血糖关联、代谢表型聚类（见 §6.3）。

Q15：做交叉验证要注意什么？
A：必须按 participant_id 分组（GroupKFold），否则同一人的多餐会同时进入训练/验证，导致乐观偏差（见 §7 坑 7）。

Q16：样本量够吗？
A：45 人 × 10 天在深度学习尺度和「大」沾不上边。它是高质量多模态「种子数据集」，不是大数据（见 §7 坑 10）。

Q17：和库内的 mimic-iv-ext-ecg-glucose 有什么区别？
A：后者是 ICU 场景、12 导联 ECG 与采血血糖的配对；CGMacros 是自由生活的可穿戴 CGM + 饮食。二者是「院内血糖 vs 院外血糖」的对照（见 §10.3）。

Q18：和 big-ideas-glycemic-wearable 会撞库吗？
A：不会。CGMacros 关注个性化营养/膳食，后者关注血糖变异性 biomarkers，人群与模态组合均不同（见 §10.4 消歧表）。

Q19：年龄和 BMI 范围是多少？
A：年龄 18-69 岁，BMI 21-46 kg/m²。边界外人群代表性弱。

Q20：如何确认下载文件完整？
A：用随附的 SHA256SUMS.txt 做 sha256sum -c 校验。

Q21：为什么早餐是「蛋白奶昔」？
A：这是刻意的实验设计——奶昔可精确控制碳/蛋白/脂肪/纤维配比，制造受控的宏量营养素梯度，让模型能学到「宏量营养素跨度 → 血糖差异」的映射（见 §5.2.3）。

Q22：Amount Consumed 怎么用？
A：它是「吃掉的比例（0-100%）」。建模前须把宏量营养素按比例折算为实际摄入量，否则会系统性高估（见 §7 坑 3、§8.5）。

Q23：多个字段上限都是 176，是生理上限吗？
A：不是。多个字段共享 176 这一整数，疑为编码/截断约定（见 §7 坑 8），不要当生理边界归一化。

Q24：T2D 组在服药，会影响建模吗？
A：会影响。数据字典未单列用药字段，药物可能主导血糖信号，模型可能学到「用药模式」而非「营养响应」（见 §7 坑 6）。

Q25：为什么 CGMacros 叫「Macros」？
A：源于 macronutrients（宏量营养素）——碳水、蛋白、脂肪、纤维。数据集的核心正是把「宏量营养素」与「血糖响应」配对，故名。

Q26：它在哪注册了临床试验？
A：ClinicalTrials.gov NCT04991142，伦理审批为 Advarra IRB Pro00049227。

Q27：谁资助的？
A：美国国家科学基金会（NSF），award No. 2014475。

Q28：食物照片是餐前还是餐后拍？
A：餐起始与结束各拍一张，路径由 Image Path 字段给出。

Q29：数据里有几套数据字典？
A：四套 CSV（主表 / Bio / Gut_Health_Test / Microbes）+ 一个合并 PDF。

Q30：能直接拿来跑深度学习大模型吗？
A：规模偏小（45 人），更适合方法验证、特征工程、迁移学习，或作为更大规模预训练数据的一部分。

Q31：有没有官方预训练模型？
A：官方仅提供 XGBoost 基线脚本（parse_data.ipynb），未提供预训练深度模型。

Q32：这个数据集和「糖尿病诊断」有关吗？
A：它不用于诊断，而是用于研究饮食与血糖响应关系、以及饮食监测算法。分组（健康/前驱/T2D）是为了研究不同代谢状态下的差异。

事实清单（硬事实 40 条）

官方全名：CGMacros: a scientific dataset for personalized nutrition and diet monitoring。
发布平台：PhysioNet（Database Open Access）。
版本：1.0.0，唯一的版本。
发布日期：2025-01-28。
DOI（v1.0.0）：10.13026/3z8q-x658。
官方页另列 latest DOI：10.13026/8mak-rs10。
许可：CC BY-NC-SA 4.0。
参与者：45 人。
健康组：15 人（HbA1c<5.7%）。
前驱糖尿病组：16 人（5.7%≤HbA1c≤6.4%）。
型 2 糖尿病组：14 人（HbA1c≥6.5%）。
连续天数：10 天（自由生活）。
年龄范围：18-69 岁。
BMI 范围：21-46 kg/m²。
招募年份：2021-2024。
CGM 设备：Abbott FreeStyle Libre Pro（15min，上臂）。
CGM 设备：Dexcom G6 Pro（5min，腹部）。
两 CGM 均盲态（blinded）。
血糖量程：40-400 mg/dL。
活动设备：Fitbit Sense（HR/Calories/Mets，分钟级）。
膳食记录 App：MyFitnessPal。
食物照片采集 App：WhatsApp。
餐别：早/午/晚三餐。
早餐：不同配比的蛋白奶昔。
午餐：Chipotle Mexican Grill。
血液指标：HbA1c / 空腹血糖 / 空腹胰岛素 / 甘油三酯 / 胆固醇。
附加模态：肠道微生物组。
伦理审批：Advarra IRB Pro00049227。
临床试验注册：NCT04991142。
资助：NSF award No. 2014475。
交付体积：未压缩 627.9 MB；ZIP 627.1 MB。
基线：parse_data.ipynb（XGBoost，预测 AUC/iAUC）。
官方关键词：continuous glucose monitors / obesity / postprandial glucose response / food macronutrients / metabolic models / food photographs / personalized nutrition。
数据字典主表字段共 14 列（Timestamp 至 Image Path）。
心率字段 HR 量程 30-176 bpm（分钟级均值）。
活动热量字段 Calories (Activity) 量程 0-16.178。
Mets 字段量程 10-176（MET ×10）。
餐别字段 Meal Type 仅三值：Breakfast/Lunch/Dinner。
人群按 HbA1c 三分组，是数据集的核心分层变量。
数据集定位：首个公开的「CGM × 饮食营养监测」多模态数据集。

术语表（20 条）

术语	英文	释义
连续血糖监测	CGM, Continuous Glucose Monitoring	佩戴式传感器，持续测量组织间液葡萄糖
餐后血糖响应	PPGR, Postprandial Glucose Response	进食后血糖随时间的变化曲线
曲线下面积	AUC, Area Under the Curve	血糖曲线下的总面积
增量曲线下面积	iAUC, incremental AUC	仅计基线以上部分的面积，去基线影响
糖化血红蛋白	HbA1c	反映近 2-3 月平均血糖，分组依据
盲态	Blinded	受试者看不到设备读数
自由生活	Free-living	在自然环境而非实验室中的生活方式
宏量营养素	Macronutrients	碳水、蛋白、脂肪（+纤维）
代谢当量	MET, Metabolic Equivalent of Task	活动强度单位，1 MET≈静息代谢
肠道微生物组	Gut Microbiome	肠道菌群及其基因组
人体测量	Anthropometry	身高、体重、BMI 等体格测量
自报偏倚	Self-report Bias	依赖自我报告带来的系统性误差
同一人泄漏	Subject Leakage	同一受试者样本同时进训练/验证导致的乐观偏差
分组交叉验证	GroupKFold	按组（如参与者）划分的交叉验证
数据字典	Data Dictionary	描述字段名/范围/含义的文档
时间戳位移	Timestamp Shift	将时间平移以实现去标识
种子数据集	Seed Dataset	规模不大但质量高、可复现的基础数据集
多模态	Multimodal	含多种数据类型（时序/图像/表格）
组织间液葡萄糖	Interstitial Glucose	CGM 实测的皮下组织液葡萄糖
个性化营养	Personalized Nutrition	基于个体差异定制饮食建议

附录

附录 A：相关数据集对照表（库内 rid）

库内 url_name	rid	主题	模态组合	场景	与 cgmacros 关系	互链强度
`cgmacros`	（本条目，待入库）	CGM × 营养饮食	CGM+膳食+照片+活动+血液+微生物组	自由生活	本条目	—
`mimic-iv-ext-ecg-glucose`	998	ECG × 实验室血糖	12 导联 ECG + 采血血糖	ICU 临床	临床血糖 vs 生活血糖对照	强
`mimic-iv-ext-ecg-glucose`	999	同上（重复记录）	同上	ICU 临床	同上	强
`wearable-exam-stress`	807	可穿戴 × 应激	可穿戴生理信号	考试应激	可穿戴方法学交集	中
`big-ideas-glycemic-wearable`	（本批，未入库）	血糖变异 × 腕戴	血糖 + PPG/EDA/温度	正常/前驱人群	同域需消歧	中（消歧）
`maternal-ultrasound-nutrition`	615	孕期营养	超声 + 营养	孕期	营养主题弱关联	弱

说明：mimic-iv-ext-ecg-glucose 在库内有 rid 998 与 999 两条记录（重复条目），互链时以实际发布条目为准。

附录 B：库外相关数据集/资源谱系

资源	类型	与 CGMacros 关系
Zeevi et al., Cell 2015（800 人 × 1 周）	未公开数据集	CGMacros 的参照与空白填补对象
PANDA-PLUS-Bench	库内其他公开数据集	同属「公开直链」最开放档，许可更宽（CC BY-4.0）
ClinicalTrials.gov NCT04991142	试验注册	原始研究可追溯入口
PhysioNet	托管平台	分发渠道

附录 C：字段字典完整清单（DataDictionary_CGMacros-00X.csv）

字段	类型/范围	描述
`Timestamp`	日期时:分	该 CGM 读数发生的日期位移后时间戳
`Libre GL`	数值 40-400 mg/dL	Libre Pro 传感器提供的血糖读数
`Dexcom GL`	数值 40-400 mg/dL	Dexcom G6 Pro 传感器提供的血糖读数
`HR`	数值 30-176	Fitbit Sense 提供的上一分钟平均心率（bpm）
`Calories (Activity)`	数值 0-16.178	Fitbit Sense 估算的上一分钟消耗卡路里
`Mets`	数值 10-176	Fitbit Sense 提供的代谢当量估计 ×10
`Meal Type`	因子 Breakfast/Lunch/Dinner	一餐的开始标记及餐别
`Calories`	数值 30-1180	该餐估算热量（kcal）
`Carbs`	数值 0-176	该餐碳水估算（g）
`Protein`	数值 3-176	该餐蛋白估算（g）
`Fat`	数值 0-176	该餐脂肪估算（g）
`Fiber`	数值 0-176	该餐纤维估算（g）
`Amount Consumed`	数值 0-100	该餐被消费比例（%）
`Image Path`	路径	该餐起始/结束照片在数据集目录中的位置

附录 D：其他数据字典文件

文件	覆盖内容
`DataDictionary_Bio.csv`	生物/表型字段（人口学、人体测量、血液指标等）
`DataDictionary_Gut_Health_Test.csv`	肠道健康检测字段
`DataDictionary_Microbes.csv`	微生物组字段
`DataDictionary.pdf`	上述字典的合并 PDF 版

附录 E：采集设备与软件清单

环节	设备/软件	关键参数
CGM-1	Abbott FreeStyle Libre Pro	15 min 采样，上臂，盲态，40-400 mg/dL
CGM-2	Dexcom G6 Pro	5 min 采样，腹部，盲态，40-400 mg/dL
活动	Fitbit Sense	HR 30-176 bpm；Calories 0-16.178；Mets 10-176
膳食记录	MyFitnessPal App	逐餐宏量营养素自报
食物照片	WhatsApp	餐起始/结束各一张
血液分析	（机构实验室）	HbA1c/空腹血糖/胰岛素/甘油三酯/胆固醇
微生态	（测序）	肠道微生物组谱

附录 F：PPGR 计算要点速查

定位餐起点：主表中 Meal Type 非空的行即一餐开始；
选取窗口：餐后固定时长（如 180 min）；
基线：餐前第一个有效 CGM 读数；
AUC：np.trapz(g, t)；
iAUC：np.trapz(clip(g - baseline, 0, None), t)；
设备选择：优先 Dexcom（5min，分辨率高），或用重采样后的统一网格。

附录 G：许可义务速查（CC BY-NC-SA 4.0）

义务	要求
BY（署名）	须标注原作者、来源、许可
NC（非商业）	不得用于商业目的
SA（相同方式共享）	衍生物须以相同许可发布
无附加限制	不得增加法律/技术限制阻止他人行使许可权利

附录 H：数据集行文引用模板

若在论文中引用 CGMacros，可参考如下表述（占位符按需替换）：

Gutierrez-Osuna R, Kerr D, Mortazavi B, Das A. CGMacros: a scientific dataset for personalized nutrition and diet monitoring (version 1.0.0). PhysioNet. 2025. DOI: 10.13026/3z8q-x658. License: CC BY-NC-SA 4.0.

要点：

必须标注版本号（1.0.0）——PhysioNet 推荐引用具体版本；
必须标注 DOI；
建议同时声明许可，以满足 CC BY 的署名义务。

附录 I：常见下游流程模板

[1] 下载并校验
    curl -O .../CGMacros_dateshifted365.zip
    sha256sum -c SHA256SUMS.txt

[2] 读取主表 + 字典
    pandas.read_csv + 对照 DataDictionary_CGMacros-00X.csv

[3] 清洗与对齐
    时间戳解析 → CGM 重采样统一网格 → Amount Consumed 折算

[4] 构造标签
    逐餐定位 Meal Type → 截取餐后窗口 → 计算 AUC / iAUC

[5] 构造特征
    宏量营养素 + 人口学 + 血液 + 餐别 + 活动聚合

[6] 分组交叉验证
    GroupKFold(groups=participant_id)

[7] 训练与评估（XGBoost 基线）
    MAE / RMSE on AUC / iAUC

[8] 报告
    声明自报偏倚、用药混杂、样本量局限、NC 许可约束

附录 J：常见错误速查表

错误做法	后果	正确做法
行随机 train_test_split	同一人泄漏，指标虚高	GroupKFold by participant_id
两路 CGM 直接按行合并	时间错位	先重采样统一网格
忽略 Amount Consumed	高估摄入	按比例折算
用照片文件名日期对齐血糖	位移导致错配	以主表相对时序为锚
把 176 当生理上限	归一化失真	视为编码约定
商用却不改许可	违反 NC	寻求授权或换数据
把 1,350 餐当精确值	引用不严谨	标「约/推算」

附录 K：版本历史

版本	日期	变更
1.0.0	2025-01-28	首次发布（唯一版本）

CGMacros 自上架 PhysioNet 以来仅有一个版本。若未来有更新，latest DOI（10.13026/8mak-rs10）可能指向新版本，请以官方页 Versions 段为准。

附录 L：相关研究者与团队速记

角色	姓名/机构	备注
通讯/主导	Ricardo Gutierrez-Osuna（Texas A&M CSE）	官方页 Author Info
共同作者	David Kerr（Sansum Diabetes Research Institute）	糖尿病血糖监测领域
共同作者	Bobak Mortazavi（Texas A&M）	可穿戴/健康信息学
共同作者	Anurag Das	数据集整理
招募机构	Sansum Diabetes Research Institute（SDRI，圣巴巴拉）	受试者招募与筛选
资助方	National Science Foundation（NSF）	award No. 2014475

参考文献与来源

官方数据集页（主源）：CGMacros: a scientific dataset for personalized nutrition and diet monitoring, PhysioNet v1.0.0. https://physionet.org/content/cgmacros/1.0.0/
数据集 DOI（v1.0.0）：10.13026/3z8q-x658 — https://doi.org/10.13026/3z8q-x658
数据字典：DataDictionary_CGMacros-00X.csv（主表字段），PhysioNet 文件区。https://www.physionet.org/content/cgmacros/1.0.0/DataDictionary_CGMacros-00X.csv
PhysioNet 主题检索页（连续血糖监测主题，含作者列表）。https://physionet.org/content/?topic=continuous+glucose+monitors
Google Scholar 引用页（作者 Anurag Das / PhysioNet 2025）。https://scholar.google.fr/citations?citation_for_view=FcFAKFEAAAAJ:GnPB-g6toBAC
临床试验注册：ClinicalTrials.gov NCT04991142。https://clinicaltrials.gov/ct2/show/NCT04991142
前作对照：Zeevi D, et al. Personalized Nutrition by Prediction of Glycemic Responses. Cell. 2015;163(5):1079-1094.
会议论文锚：Improved Calorie Estimation. 2023 IEEE EMBS International Conference on Biomedical and Health Informatics (BHI); 2023-10-15/18.
许可全文：Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International。https://creativecommons.org/licenses/by-nc-sa/4.0/

存照附录

存照 1：DOI 双口径

PhysioNet 官方页同时列出两串 DOI：

DOI (v1.0.0)：10.13026/3z8q-x658
DOI (latest)：10.13026/8mak-rs10

因 CGMacros 仅发布 1.0.0 一个版本，本条目正文以 v1.0.0 具体版 DOI（10.13026/3z8q-x658） 为准，latest 串并存照于此，供检索者比对。若未来发布新版本，latest 串可能变更，请以官方页为准。

存照 2：规模数字口径

数字	值	口径
参与者	45（15/16/14）	官方 Abstract + Data Description
天数	10	官方 Abstract
年龄	18-69	官方 Data Description
BMI	21-46 kg/m²	官方 Data Description
招募年份	2021-2024	官方 Data Description
未压缩体积	627.9 MB	官方 Files 区
ZIP 体积	627.1 MB	官方 Files 区
估算总餐次	约 1,350	本条目推算（45×10×3），官方未直接给出

存照 3：许可口径对照

数据集许可：CC BY-NC-SA 4.0（PhysioNet License 段实抓）。
注意：与 PANDA-PLUS-Bench 的 CC BY-4.0 不同，CGMacros 含 NC（非商业） 约束——检索者若规划商用需格外注意。

存照 4：遗留疑点

利益冲突声明未全抓：官方页 Conflicts of Interest 段提及 Dr. Mortazavi，正文被截断，未获完整声明。
微生物组细节缺失：样本量、测序平台、丰度矩阵格式官方页未披露，需下载 DataDictionary_Microbes.csv / DataDictionary_Gut_Health_Test.csv 后核对。
总餐次为推算值：见存照 2，实际有效餐次可能更少。
字典上限编码含义：多个字段上限共享 176，疑为编码约定，非生理上限。
论文正式出处：CGMacros 以 PhysioNet 条目本身 + BHI 2023 会议论文为引用锚，数据集条目未自附独立同行评审论文 DOI。
big-ideas-glycemic-wearable 入库状态：本批同域条目，最终入库后需复核二者标题/标签不撞。

存照 5：抓取存照时点与代理

本条目全部事实抓取于 2026-10-10（PhysioNet 官方页 HTTP 200 实抓）。
三源互证：① PhysioNet 官方数据集页（主）② PhysioNet 数据字典 CSV + 主题检索页（次）③ Google Scholar 引用页（三）。
抓取代理：agent-d-cgmacros。
查重结论：库内 cgm/glucose/glyc 命中 rid 998/999（mimic-iv-ext-ecg-glucose），与本条目本质不同，无撞库；writing/ 无同名目录。

免责声明：本条目为千方病案医数集编辑部整理的 AI-Ready Wikipedia 数据集档案，用于科研检索与数据发现。所有数字与结论以 PhysioNet 官方页及原始文献为准；使用本数据集须遵守 CC BY-NC-SA 4.0 许可条款与原始研究的伦理约束。条目内容不构成医学建议。