GLP1 激动剂对英国 BBS 队列体重减轻的影响

数据集获取

源站：https://clinicaltrials.gov/study/NCT07602803

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：Bardet-Biedl综合征。零时人口统计学特征：年龄、性别、种族、体重（BW）、体重指数（BMI）、血压（诊所测量，糖尿病药物影响）、脉搏、血脂谱（胆固醇、高密度脂蛋白、低密度脂蛋白、甘油三酯）、估算肾小球滤过率（eGFR）、糖化血红蛋白（HbA1c），（如可行）遗传学诊断。研究结束日期的主要结局：体重变化（%）。研究结束日期的次要结局：血脂（胆固醇、高密度脂蛋白、低密度脂蛋白、甘油三酯）变化、血压、糖尿病状态。质量保证计划：由于采用电子记录，将确保数据验证。登记流程在我们封闭的国家BBS中心进行，由多学科团队（MDT）进行质量保证，并由资深专科护士负责，她们每月通过电话对所有使用GLP1激动剂的患者进行随访。数据检查将登记处录入的数据与预定义的范围规则或与登记处其他数据字段的一致性规则进行比较。源数据验证通过将数据与外部数据源进行比较，以评估登记处数据的准确性、完整性或代表性。

针对变量报告为缺失、不可用、未报告、无法解释，或因数据不一致或结果超出范围而被视为缺失的情况，制定缺失数据处理计划：研究者通过联系患者的家庭医生（GP）及其记录，对所有缺失数据进行了追踪。统计分析计划描述了为达成研究方案或计划中规定的主要和次要目标而采用的分析原则和统计技术。

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。