提供遗传风险信息对非裔美国人生活方式行为的影响

数据集获取

源站：https://clinicaltrials.gov/study/NCT07833384

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病：糖尿病、高胆固醇血症、高血压、肥胖、2型糖尿病、肥胖与超重、心力衰竭、CAD - 冠状动脉疾病、卒中风险。心血管疾病（CVD）是非裔美国人面临的一项重大且持续存在的健康差异。Linking GAINS 是一项随机试点与可行性研究，旨在评估在基于社区的CVD风险降低干预中早期接受遗传风险信息是否会改善参与度和健康行为改变。将从巴吞鲁日大都市区招募60名非裔美国成年人，并随机分配到基因非盲（GU）组或基因盲（GB）组。所有参与者将完成为期约16周、共14次的行为干预，包括文化响应式教育、营养与烹饪课程、体力活动训练、小组支持以及社区健康资源。GU组将在干预早期接受遗传结果和遗传咨询，而GB组将在行为干预和研究结束评估后接受遗传结果和咨询。主要终点是通过出勤率衡量的干预参与度。次要结局包括体力活动、膳食摄入、体重指数、血压、基因组取向/知识和感知到的种族主义。探索性/调节因素分析将考察健康的社会决定因素，包括收入、食物不安全、健康素养、职业声望和种族主义经历，是否会影响干预参与度和行为改变。

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。