标准化大叶黄茶提取物对超重高甘油三酯成人糖脂代谢的影响
该数据集来自 clinicaltrials.gov,围绕标准化大叶黄茶提取物对超重或肥胖且伴高甘油三酯成人糖脂代谢的影响

基本信息
资源简介
标准化大叶黄茶提取物对超重高甘油三酯成人糖脂代谢的影响
该数据集来自 clinicaltrials.gov,围绕标准化大叶黄茶提取物对超重或肥胖且伴高甘油三酯成人糖脂代谢的影响。研究为多中心、前瞻性、随机、盲法、平行组对照干预试验,在中国科学技术大学附属第一医院、黄山市人民医院和六安市人民医院开展。受试者为 18 至 60 岁、BMI 不低于 24.0 kg/m²、空腹甘油三酯升高且未诊断糖尿病或主要心血管疾病的成人,按 1:2 随机分入安慰剂对照组或标准化大叶黄茶提取物组,干预 12 周,两组均接受饮食、体力活动和睡眠的标准化生活方式指导(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Hypertriglyceridemia, Overweight , Obesity. 本研究是一项多中心、前瞻性、随机、盲法、平行组对照干预试验,在中国科学技术大学附属第一医院、黄山市人民医院和六安市人民医院开展。符合条件的参与者为 18 至 60 岁的超重或肥胖成人,定义为体重指数至少 24.0 kg/m²,且空腹甘油三酯水平升高,未诊断糖尿病或主要心血管疾病。在筛查并确认合格后,参与者将按 1:2 的比例随机分配至安慰剂对照组或标准化大叶黄茶提取物组。干预期将持续 12 周。两组都将接受涵盖饮食、体力活动和睡眠的标准化生活方式指导。生活方式相关因素将被评估 us
【主题与分类】
主题标签:Hypertriglyceridemia、Overweight , Obesity。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/NCT07840846
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/NCT07840846
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:高甘油三酯血症、超重、肥胖。本研究是一项多中心、前瞻性、随机、盲法、平行组对照干预试验,在中国科学技术大学附属第一医院、黄山市人民医院和六安市人民医院开展。符合条件的参与者为18至60岁的超重或肥胖成年人,定义为体重指数至少24.0 kg/m²,且空腹甘油三酯水平升高,但未诊断为糖尿病或重大心血管疾病。在筛选并确认符合条件后,参与者将按1:2的比例随机分配至安慰剂对照组或标准化大叶黄茶提取物组。干预期将持续12周。两组均接受涵盖饮食、体育活动和睡眠的标准化生活方式指导。生活方式相关因素将通过膳食记录、国际体育活动问卷和匹兹堡睡眠质量指数进行评估。在整个干预期间,将监测依从性、合并用药情况和不良事件。
研究访视计划于筛选期、基线、第4周、第8周和第12周进行。将按照研究计划采集空腹血样,用于疗效和安全性评估。主要疗效终点为从基线至第12周空腹甘油三酯浓度的变化。次要评估包括总胆固醇、低密度脂蛋白胆固醇、高密度脂蛋白胆固醇、非高密度脂蛋白胆固醇、载脂蛋白A1、载脂蛋白B、空腹血糖、空腹胰岛素、HOMA-IR、体重、体质指数、腰围、血压和心率。安全性评估包括不良事件、实验室安全性参数和耐受性。探索性分析将研究血浆和/或尿液代谢组学特征的变化,识别与大黄茶提取物暴露相关的代谢物,并探索候选b
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。




