单不饱和脂肪酸补充用于超重和肥胖的糖尿病前期个体
该数据集来自 clinicaltrials.gov,主题为单不饱和脂肪酸(POA)补充对超重和肥胖糖尿病前期个体的影响。研究纳入 BMI 25-40、伴有轻度胰岛素抵抗、糖尿病前期和/或糖耐量受损的超重和肥胖个体,旨在检验 POA 相比安慰剂能否改善胰岛素敏感性、减轻肝脏脂肪变性并降低全身脂肪量、血

基本信息
资源简介
单不饱和脂肪酸补充用于超重和肥胖的糖尿病前期个体
该数据集来自 clinicaltrials.gov,主题为单不饱和脂肪酸(POA)补充对超重和肥胖糖尿病前期个体的影响。研究纳入 BMI 25-40、伴有轻度胰岛素抵抗、糖尿病前期和/或糖耐量受损的超重和肥胖个体,旨在检验 POA 相比安慰剂能否改善胰岛素敏感性、减轻肝脏脂肪变性并降低全身脂肪量、血清甘油三酯和 LDL 胆固醇,以及降低空腹血糖、胰岛素、FABP4、胰高血糖素、炎症细胞因子和 hsCRP 的血浆水平。研究仅对主要终点胰岛素敏感性进行效能计算。数据可用于代谢与内分泌领域的干预效果预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:糖尿病前期、胰岛素抵抗、超重、肥胖。本研究的具体目标如下:1)检验与安慰剂相比,补充 POA 是否能改善胰岛素敏感性。2)检验与安慰剂相比,补充 POA 是否能改善肝脏脂肪变性并降低全身脂肪量、血清甘油三酯和 LDL 胆固醇。3)确定与安慰剂相比,补充 POA 是否能降低空腹血糖、胰岛素、FABP4、胰高血糖素、炎症细胞因子和 hsCRP 的血浆水平。研究者将招募伴有轻度胰岛素抵抗、糖尿病前期和/或糖耐量受损的超重和肥胖个体(BMI 25-40)。该研究仅对主要终点胰岛素敏感性进行效能计算。在筛选访视确认符合研究资格后;研究者将进行口服葡萄糖耐量
【主题与分类】
主题标签:PreDiabetes、Insulin Resistance、Overweight、Obesity。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05560971
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/NCT05560971
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:糖尿病前期、胰岛素抵抗、超重、肥胖。本研究的具体目标如下:1)检验与安慰剂相比,补充POA是否能改善胰岛素敏感性。2)检验与安慰剂相比,补充POA是否能改善肝脂肪变性并降低全身脂肪量、血清甘油三酯和LDL胆固醇。3)确定与安慰剂相比,补充POA是否能降低血浆空腹血糖、胰岛素、FABP4、胰高血糖素、炎症细胞因子和hsCRP水平。研究者将招募伴有轻度胰岛素抵抗、糖尿病前期和/或糖耐量受损的超重和肥胖个体(BMI 25-40)。本研究仅针对主要终点——胰岛素敏感性——进行效力计算。在筛选访视确认符合研究资格后,研究者将进行口服葡萄糖耐量试验(OGTT),以进行分层随机化,从而使POA组和安慰剂组之间具有更好的同质性。研究者的目标是让40名参与者完成研究,该研究将包括2次主要的过夜访视,包括胰岛素钳夹操作以及前一夜的混合餐耐量试验。
参与者还将在两次访视时接受肝脏MRI和DEXA扫描。参与者将被要求在第一晚访视前两周开始,持续10周食用棕榈油酸最小化饮食。本研究将在同一批个体中比较服用POA与安慰剂前及服用8周后的胰岛素敏感性。第一次过夜访视后,参与者将获得POA或安慰剂胶囊,每日服用,持续8周,直至第二次过夜访视。第一次过夜访视后4周还将有一次简短采血访视。
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。




