植物蛋白与动物蛋白对心脏代谢风险影响的Meta分析
该数据集来自clinicaltrials.gov,围绕植物蛋白替代动物蛋白对心脏代谢风险因素的影响,涵盖糖尿病、糖尿病前期、代谢综合征、血糖异常、超重、肥胖、血脂异常、高血压等条件

基本信息
资源简介
植物蛋白与动物蛋白对心脏代谢风险影响的Meta分析
该数据集来自clinicaltrials.gov,围绕植物蛋白替代动物蛋白对心脏代谢风险因素的影响,涵盖糖尿病、糖尿病前期、代谢综合征、血糖异常、超重、肥胖、血脂异常、高血压等条件。研究拟通过系列系统综述与Meta分析,评估植物蛋白替代动物蛋白对血脂、血糖控制、血压、体重、尿酸、非酒精性脂肪肝标志物、肾功能与损伤以及作为炎症标志物的CRP等指标的作用,可为膳食指南和健康声称提供循证依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:糖尿病、糖尿病前期、代谢综合征、血糖异常、超重、肥胖、血脂异常、高血压。背景:素食饮食与降低可预防的心脏代谢疾病(如2型糖尿病和心血管疾病)风险相关。目前尚不清楚用植物蛋白替代动物蛋白是否具有心脏代谢优势。目的:为改善膳食指南和健康声称制定的循证指导,我们拟开展一系列系统综述和Meta分析,评估植物蛋白替代动物蛋白对心脏代谢风险因素的影响,包括:(1)血脂,(2)血糖控制,(3)血压,(4)体重,(5)尿酸,(6)非酒精性脂肪肝病(NAFLD)标志物,(7)肾功能与损伤,以及(8)作为炎症标志物的CRP。De
【主题与分类】
主题标签:Diabetes、Prediabetes、Metabolic Syndrome、Dysglycemia、Overweight、Obesity、Dyslipidemia、Hypertension、Gout、Kidney Disease。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02037321
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/NCT02037321
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:糖尿病、糖尿病前期、代谢综合征、血糖异常、超重、肥胖、血脂异常、高血压。背景:素食饮食与降低可预防的心脏代谢疾病(如2型糖尿病和心血管疾病)风险有关。目前尚不清楚用植物蛋白替代动物蛋白是否具有心脏代谢优势。目的:为了改进基于证据的饮食指南和健康声明制定,我们建议进行一系列系统评价和荟萃分析,探讨植物蛋白替代动物蛋白对心脏代谢危险因素的影响,包括:(1)血脂,(2)血糖控制,(3)血压,(4)体重,(5)尿酸,(6)非酒精性脂肪性肝病(NAFLD)标志物,(7)肾功能和损伤,以及(8)作为炎症标志物的CRP。设计:拟议荟萃分析的规划和实施将遵循Cochrane干预系统评价手册。报告将遵循系统评价和荟萃分析首选报告项目(PRISMA)指南。
数据来源:将使用适当的检索词对MEDLINE、EMBASE和Cochrane对照试验中心注册库进行检索。研究选择:将纳入长期(≥3周)、随机、对照试验,这些试验研究用植物蛋白替代动物蛋白对人类上述结局的影响。具有急性喂养设计、非随机或缺乏合适对照的研究将不被纳入。等热量和非等热量研究都将被纳入。数据提取:将由独立研究者(≥2名)提取关于研究设计、样本量、受试者特征、豆类形式、剂量、随访以及背景饮食组成的信息。将提取所有结局的平均值±标准误值。将使用标准计算和插补方法推导缺失的方差数据。偏倚风险和研究质量将使用Cochrane偏倚风险工具和Heyland
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。




