地中海-DASH干预延缓神经退行性延迟(MIND)饮食在卒中患者中的研究
该数据集来自clinicaltrials.gov,聚焦于卒中患者中采用地中海-DASH干预延缓神经退行性延迟(MIND)饮食的研究

基本信息
资源简介
地中海-DASH干预延缓神经退行性延迟(MIND)饮食在卒中患者中的研究
该数据集来自clinicaltrials.gov,聚焦于卒中患者中采用地中海-DASH干预延缓神经退行性延迟(MIND)饮食的研究。研究设计为对250名无痴呆、因急性卒中住院并在出院后回家的老年患者进行为期2至3年的MIND饮食干预,该饮食融合地中海饮食与DASH饮食的基本要素,强调天然植物性食物、限制动物性及高饱和脂肪食物,并特别指定绿叶蔬菜和浆果及其反映营养痴呆证据的食物份量。数据可用于探究饮食干预对认知衰退、血管性痴呆、阿尔茨海默病及痴呆等结局的预测作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:认知衰退、血管性痴呆、阿尔茨海默病、痴呆、卒中。地中海-DASH干预延缓神经退行性延迟(MIND)在卒中患者中的研究旨在测试为期2-3年的干预效果,该干预采用地中海饮食和DASH饮食的混合饮食,称为MIND,对250名无痴呆、因急性卒中住院并在出院后回家的老年患者进行。MIND饮食具有DASH和地中海饮食的基本组成部分,如强调天然植物性食物和限制动物性及高饱和脂肪食物,但独特地指定了绿叶蔬菜和浆果以及反映营养痴呆证据的食物成分份量。在本研究中,我们将测试为期2至3年的MIND饮食干预(3个月的配送餐食,随后进行饮食和一般卒中
【主题与分类】
主题标签:Cognitive Decline、Dementia, Vascular、Alzheimer Disease、Dementia、Stroke。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04337255
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/NCT04337255
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:认知衰退、血管性痴呆、阿尔茨海默病、痴呆、卒中。地中海-DASH饮食干预延缓神经退行性变(MIND)在卒中患者中的研究,旨在测试为期2-3年的地中海饮食与DASH饮食混合饮食(称为MIND饮食)干预对250名无痴呆、因急性卒中住院且出院后回家的老年患者的效果。MIND饮食具有DASH和地中海饮食的基本组成部分,如强调天然植物性食物,限制动物性和高饱和脂肪食物,但独特地指定了绿叶蔬菜和浆果,以及反映营养痴呆证据的食物成分份量。在这项研究中,我们将测试为期2至3年的MIND饮食干预(3个月的配送餐食,随后进行饮食和一般卒中健康咨询)与常规卒中后护理(3个月的自行选择配送餐食,随后进行一般卒中健康咨询)对24至36个月内认知结局变化的影响。
MIND饮食的生物学效应将通过测量所有试验参与者的脑宏观和微观结构完整性来评估。其他生化标志物将在全部250名参与者中评估,包括:血浆Abeta42/beta40、脑源性神经营养因子(BDNF)以及氧化应激和炎症的血浆标志物。该试验将通过各种心血管风险因素、AD生物标志物和生物学机制来检查潜在的效果中介因素和调节因素。拟议的研究有3个招募地点,均位于芝加哥:拉什大学医学中心、芝加哥大学和倡导基督医院。
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。




