产后恢复营养优化与社区支持研究
该数据集来自 clinicaltrials.gov,聚焦患有肥胖且近期妊娠合并妊娠期糖尿病的 Black 女性,评估产后饮食干预的可行性、可接受性与初步有效性

基本信息
资源简介
产后恢复营养优化与社区支持研究
该数据集来自 clinicaltrials.gov,聚焦患有肥胖且近期妊娠合并妊娠期糖尿病的 Black 女性,评估产后饮食干预的可行性、可接受性与初步有效性。研究通过 Medicaid 保险计划、临床产科实践、围产期社区组织及家访地点招募参与者,并在妊娠 37 周联系同意、采集基线数据并随机分组。数据可用于分析产后饮食干预的实施效果、人群特征及临床结局,支持围产期健康与社区干预相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:孕产妇肥胖、妊娠期糖尿病。本研究将评估针对患有肥胖且近期妊娠合并妊娠期糖尿病(GDM)的 Black 女性的产后饮食干预的可行性、可接受性和初步有效性。研究者将通过 Medicaid 保险计划(Priority Partners)、临床产科实践(Johns Hopkins Outpatient Center, Women's Health Center)、围产期社区组织(MOM Cares 和 Bloom Collective)以及家访地点(The Family Tree of Maryland)招募女性——所有这些机构均可验证参与者的临床结局。在妊娠 37 周时,研究团队联系参与者进行知情同意、基线数据收集(基线访视 1),并以 1:1 随机分配接受干预与常规护理(常规护理从产后第一周开始)。3-7 天后
【主题与分类】
主题标签:Obesity, Maternal、Gestational Diabetes。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06445530
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/NCT06445530
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:肥胖、孕产妇、妊娠期糖尿病。本研究将评估一项产后饮食干预对患有肥胖且近期妊娠合并妊娠期糖尿病(GDM)的黑人女性的可行性、可接受性和初步有效性。研究者将通过医疗补助保险计划(Priority Partners)、临床产科实践(约翰斯·霍普金斯门诊中心、妇女健康中心)、围产期社区组织(MOM Cares和Bloom Collective)以及家访地点(马里兰家庭树)招募女性——所有这些机构均可核实参与者的临床结局。在妊娠37周时,研究团队联系参与者以获取知情同意、收集基线数据(基线访视1),并以1:1的比例随机分配接受干预与常规护理(常规护理从产后第一周开始)。
随机分组后3-7天,收集基线访视信息的剩余部分(基线访视2),包括为已准备的MTF供应商(Moveable Feast Baltimore)所需的信息。干预组最初将接受由Moveable Feast(MFeast)提供的已准备MTF(低碳水化合物、低脂膳食,已证明可改善糖尿病前期患者的血糖)(每周10餐;由MFeast的营养师通过每月电话提供的定制医学营养治疗(MNT),仅聚焦于两个高产出主题:减少含糖饮料和增加水果蔬菜摄入;哺乳期营养零食包以促进乳汁供应+通过哺乳顾问提供的母乳喂养/泵奶结构性支持及泵奶用品补贴;文化适应性调味料包;以及家庭中儿童的依赖餐食盒(即包括10份适合发育阶段的零食和小餐包,最长持续24周。在产后第8周,参与者将被提供从已准备的医学定制餐食过渡到Instacart生鲜食品配送(由研究团队制作的虚拟杂货商进行医学定制)
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。




