心力衰竭饮食追踪
本研究评估心衰（NYHA II、III级）患者结构化减少超加工食品（UPF）干预的可行性与生理影响，结合数字饮食工具和生物标志物
基本信息
资源简介
心力衰竭饮食追踪
本研究评估心衰（NYHA II、III级）患者结构化减少超加工食品（UPF）干预的可行性与生理影响，结合数字饮食工具和生物标志物。UPF与不良心血管结局相关，常高钠、含不健康脂肪和添加糖，缺乏必需营养素和纤维，可促炎症、液体潴留和代谢功能障碍，推动心衰与肾病进展。传统咨询缺乏加工等级针对性；既往多依赖主观自报问卷。代谢物评分可量化UPF摄入，可指导咨询（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：心力衰竭，NYHA II级心力衰竭，NYHA III级心力衰竭。新出现的证据将超加工食品（UPFs）与不良心血管结局联系起来。UPFs通常钠、不健康脂肪和添加糖含量高，而必需营养素和纤维含量低。UPFs可导致全身性炎症、液体潴留和代谢功能障碍——这些是心力衰竭（HF）和肾脏疾病进展的关键驱动因素。传统饮食咨询往往在食物加工程度方面缺乏针对性。此外，大多数营养研究依赖于大范围的自我报告膳食回忆食物频率问卷（FFQ），这些问卷主观性强、往往耗时费力，并且难以在临床环境中实际实施。因此，研究人员已开发出基于血液和尿液样本的代谢物评分，以帮助量化UPF摄入量，这有望更好地指导饮食咨询并追踪过程。因此，本研究旨在评估对HF患者实施结构化减少UPF饮食干预的可行性和生理影响，并利用数字饮食工具（Cronometer）和生物标志物评估。
【主题与分类】
主题标签：Heart Failure、NYHA Class II Heart Failure、NYHA Class III Heart Failure。本站分类：循环系统疾病/心力衰竭。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07649148
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/NCT07649148
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
疾病：心力衰竭，NYHA II级心力衰竭，NYHA III级心力衰竭。新出现的证据将超加工食品（UPFs）与不良心血管结局联系起来。UPFs通常钠、不健康脂肪和添加糖含量高，而必需营养素和纤维含量低。UPFs可导致全身性炎症、液体潴留和代谢功能障碍——这些是心力衰竭（HF）和肾脏疾病进展的关键驱动因素。传统饮食咨询往往在食物加工程度方面缺乏针对性。此外，大多数营养研究依赖于大范围的自我报告膳食回忆食物频率问卷（FFQ），这些问卷主观性强、往往耗时费力，并且难以在临床环境中实际实施。因此，研究人员已开发出基于血液和尿液样本的代谢物评分，以帮助量化UPF摄入量，这有望更好地指导饮食咨询并追踪过程。因此，本研究旨在评估对HF患者实施结构化减少UPF饮食干预的可行性和生理影响，并利用数字饮食工具（Cronometer）和生物标志物评估。
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。
