FODMAP饮食改善肠易激综合征患者症状的研究
该数据集来自clinicaltrials.gov,主题为FODMAP饮食对肠易激综合征患者症状改善的研究。研究为随机对照开放标签试验,于2024年6月1日至2025年6月底在Sharkia省Tenth of Ramadan大学医院家庭医学诊所开展,遵循CONSORT指南

基本信息
资源简介
FODMAP饮食改善肠易激综合征患者症状的研究
该数据集来自clinicaltrials.gov,主题为FODMAP饮食对肠易激综合征患者症状改善的研究。研究为随机对照开放标签试验,于2024年6月1日至2025年6月底在Sharkia省Tenth of Ramadan大学医院家庭医学诊所开展,遵循CONSORT指南。纳入93例干预组和90例对照组新诊断IBS患者,依据Rome IV标准及便秘型、腹泻型、混合型、未定型亚型分类,年龄18至60岁,男女不限。数据可用于评估饮食干预对IBS症状改善的效果及相关因素分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:肠易激疾病。一项随机对照开放标签试验于2024年6月1日至2025年6月底在Sharkia省Tenth of Ramadan大学医院家庭医学诊所进行。选择该地点是由于就诊率高且可进行重复随访。研究按照CONSORT指南进行,并使用流程图说明参与者选择和分配过程。研究纳入干预组93例和对照组90例新诊断的IBS患者,依据Rome IV标准及IBS亚型包括便秘型、腹泻型、混合型和未定型,根据Bertin等人(2024),年龄18至60岁,男女不限,在征得同意后参与。排除既往诊断为胃肠道合并症的患者
【主题与分类】
主题标签:Irritable Bowel Disease。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07299305
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/NCT07299305
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:肠易激疾病。一项随机对照开放标签试验于2024年6月1日至2025年6月底在第十斋月大学医院-谢尔基亚省的家庭医学诊所进行。选择该地点是由于就诊率高且可进行重复随访。该研究按照CONSORT指南进行,并使用流程图说明参与者的选择和分配过程。该研究纳入干预组93例患者和对照组90例患者,均为根据Rome IV标准新诊断的IBS患者,IBS亚型包括便秘型、腹泻型、混合型和未定型,依据Bertin等人(2024)的标准,年龄18至60岁,男女不限,并在取得其参与同意后纳入。
排除既往诊断为胃肠道合并症的患者,如炎症性肠病、乳糜泻、乳糖吸收不良、显著憩室病或肠切除史,临床显著的系统性疾病,妊娠或哺乳期,药物滥用,严重精神疾病或进食障碍,粪便分析中存在血液或脓液,具有IBS警示症状的个体(未进行正常结肠镜检查)。- 样本量:根据(Pedersen et al., 2014),假设6周后IBS严重程度评分为LFD组153+136 vs. LGG饮食组199+102,在80%功效和95%置信区间下,使用open epi程序版本6在95%置信区间下估计样本为216例,每组108例。- 抽样技术:样本通过系统随机抽样技术收集。样本根据干预类型通过使用sealed Envelope网站进行区组随机化随机分为两组(每组108例)。参与者被分为12个区组(每组6个区组),每个区组大小18,列表长度,分配比1:1,研究为开放标签。干预组和对照组均有脱落,15例患者
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。




