地中海饮食联合体力活动干预对NAFLD及炎症参数的影响
该数据集来自clinicaltrials.gov,主题为地中海饮食联合体力活动干预对NAFLD及炎症参数的影响,涉及NAFLD、Obesity、IBS等条件

基本信息
资源简介
地中海饮食联合体力活动干预对NAFLD及炎症参数的影响
该数据集来自clinicaltrials.gov,主题为地中海饮食联合体力活动干预对NAFLD及炎症参数的影响,涉及NAFLD、Obesity、IBS等条件。源站描述指出慢性肝病是主要致病和致死原因之一,肝病死亡率上升与NAFLD患病率增加相关,并介绍了NAFLD的脂肪沉积定义、肝脂肪变性的独立危险因素以及胰岛素抵抗、全身炎症、肠-肝通路、肠道微生物群在NAFLD发生发展中的作用。数据可用于研究饮食与运动干预对NAFLD及炎症相关指标的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:NAFLD、Obesity、IBS。背景 慢性肝病是发病和死亡的主要原因之一。肝病死亡率的增加与NAFLD患病率的增加有关。“脂肪肝病”一词是NAFLD的标志,指肝细胞中脂肪沉积超过5%,且与酒精摄入、病毒感染或药物使用无关。肝脂肪变性是所有NAFLD肝脏改变的独立危险因素,尤其是炎症和纤维化。NAFLD的百分比往往随着BMI、年龄、代谢疾病(如血脂异常、2型糖尿病)的存在而增加。以下因素参与NAFLD的发生和进展: 胰岛素抵抗 全身性炎症; 肠-肝通路 肠道微生物群。在缺乏官方批准的药理学
【主题与分类】
主题标签:NAFLD、Obesity、IBS。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06275906
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/NCT06275906
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:NAFLD、肥胖、IBS。背景 慢性肝病是导致发病和死亡的主要原因之一。肝病死亡率的增加与NAFLD患病率的上升有关。“脂肪肝病”这一术语是NAFLD的标志,指的是肝细胞中脂肪沉积超过5%,且与酒精摄入、病毒感染或药物使用无关。肝脂肪变性是NAFLD所有肝脏改变,特别是炎症和纤维化的独立危险因素。NAFLD的百分比往往随着BMI、年龄、代谢性疾病如血脂异常、2型糖尿病的存在而增加。以下因素参与NAFLD的发生和进展:* 胰岛素抵抗 * 全身性炎症;* 肠-肝途径 * 肠道微生物群。在缺乏官方批准的治疗NAFLD的药物疗法的情况下,指南建议基于生活方式的干预,包括饮食在数量和质量上的调整以及增加体育锻炼。
饮食可通过减少肝脏脂肪含量和胰岛素抵抗来改善NAFLD,而运动则促进体重减轻并改善肝功能。在饮食中限制热量摄入、减少酒精消费以及减少高度加工食品的摄入已被证明是管理NAFLD最重要的因素。关于地中海饮食,尽管有研究证明其在改善NAFLD方面的有效性,但尚无出版物探讨哪种地中海饮食模式在宏量营养素含量方面最适合NAFLD。在地中海饮食中,碳水化合物主要由富含纤维且血糖指数低或血糖负荷低的食物提供,而脂质主要由富含单不饱和脂肪酸(主要是橄榄油)和多不饱和脂肪酸(主要是干果、鱼类和蔬菜)的食物提供。目前尚不清楚碳水化合物比例的变化是否会
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。




