膳食宏量营养素对餐后血脂的影响
该数据集来自 clinicaltrials.gov,研究不同宏量营养素组成的试验餐对餐后脂质代谢的影响。研究为单中心随机交叉设计,覆盖健康人群及肾病综合征、脂肪营养不良、代谢综合征等患者群体

基本信息
资源简介
膳食宏量营养素对餐后血脂的影响
该数据集来自 clinicaltrials.gov,研究不同宏量营养素组成的试验餐对餐后脂质代谢的影响。研究为单中心随机交叉设计,覆盖健康人群及肾病综合征、脂肪营养不良、代谢综合征等患者群体。研究假设餐后状态下含脂颗粒的数量、组成和动力学在受试者内(比较高脂与高碳水餐)、受试者间(比较不同疾病与健康状态)以及治疗前后存在差异。数据可用于分析膳食成分与餐后血脂反应的关系,支持代谢与消化系统疾病相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病/状况:肾病综合征、脂肪营养不良、代谢综合征、健康志愿者、糖尿病、代谢相关脂肪性肝病。 研究描述:这是一项单中心、随机交叉研究,评估不同宏量营养素组成的试验餐对餐后脂质代谢的影响。研究将在健康个体和若干患者人群中进行,包括肾病综合征(NS)、脂肪营养不良和代谢综合征患者。研究假设是,在餐后状态下,含脂质颗粒的数量、组成和动力学将存在差异: 1. 在受试者内,比较不同宏量营养素组成的餐食(即高脂 vs. 高碳水化合物) 2. 在不同疾病受试者之间(即脂肪营养不良 vs. NS vs. 健康) 3. 在受试者内,比较其基础疾病治疗前后(即肾病综合征状态 vs 非肾病综合征状态) 目的: 主要目的:确定各研究队列内不同宏量营养素组成餐食之间餐后甘油三酯的差异。 次要目的:确定不同研究人群之间餐后甘油三酯的差异。 终点: 主要终点:不同宏量营养素组成餐食后8小时内TG的基线校正AUC差异。 次要终点:各研究队列之间每次餐食试验的TG基线校正AUC差异。
【主题与分类】
主题标签:Nephrotic Syndrome、Lipodystrophy、Metabolic Syndrome、Healthy Volunteer、Diabetes。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07313787
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/NCT07313787
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/状况:肾病综合征、脂肪营养不良、代谢综合征、健康志愿者、糖尿病、代谢相关脂肪性肝病。研究描述:这是一项单中心、随机交叉研究,评估不同宏量营养素组成的试验餐对餐后脂质代谢的影响。研究将在健康个体以及若干患者人群中进行,包括肾病综合征(NS)、脂肪营养不良和代谢综合征患者。研究假设是,餐后状态下含脂质颗粒的数量、组成和动力学将存在差异:1. 受试者内,比较不同宏量营养素组成的餐食(即高脂与高碳水化合物);2. 受试者间,比较患有不同疾病者(即脂肪营养不良 vs NS vs 健康者);3. 受试者内,比较其基础疾病治疗前和治疗后(即肾病性与非肾病性状态)。目标:* 主要目标:确定每个研究队列内不同宏量营养素组成的餐食之间餐后甘油三酯的差异。
- 次要目的:确定不同研究人群之间餐后甘油三酯的差异。终点:
- 主要终点:不同宏量营养素组成餐食后8小时内TG经基线校正的AUC差异。
- 次要终点:各研究队列之间每次餐食试验的TG经基线校正的AUC差异。
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。




