Bialystok 糖尿病运动研究

研究对象为居住在 Bialystok 市、处于不同血糖异常阶段的久坐男性,参与者接受为期三个月、在本地健身中心进行的监督训练

Medical University of BialystokMedical University of Bialystok
clinicaltrials
浏览 10
其他分类Type 2 DiabetesPreDiabetesOverweightObesityDyslipidemias
Bialystok Exercise Study in Diabetes

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-17

资源简介

Bialystok 糖尿病运动研究

Bialystok Exercise Study in Diabetes(BESD)是一项运动干预研究,由 Medical University of Bialystok 的内分泌、糖尿病学与内科及临床研究中心开展。研究对象为居住在 Bialystok 市、处于不同血糖异常阶段的久坐男性,参与者接受为期三个月、在本地健身中心进行的监督训练。研究旨在评估运动干预对不同血糖异常进展阶段患者的效果,涵盖 2 型糖尿病与糖尿病前期,并比较各组之间的反应。数据可用于分析运动干预与代谢状态、血糖异常阶段之间的关系(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:2 型糖尿病、糖尿病前期、超重、肥胖、血脂异常。“Bialystok Exercise Study in Diabetes”(BESD)是一项运动干预研究,由 Medical University of Bialystok 的内分泌、糖尿病学与内科及临床研究中心开展。在该项目中,居住在 Bialystok 市、处于不同血糖异常阶段的久坐男性参与为期三个月的运动干预,干预包括在本地健身中心进行的监督训练。该研究的目的是评估运动干预对不同血糖异常进展阶段(包括 2 型糖尿病和糖尿病前期)患者的效果,并比较各组之间的反应。

【主题与分类】

主题标签:Type 2 Diabetes、PreDiabetes、Overweight、Obesity、Dyslipidemias。本站分类:内分泌、营养和代谢疾病/糖尿病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04634890

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04634890

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:2型糖尿病、糖尿病前期、超重、肥胖、血脂异常。“比亚韦斯托克糖尿病运动研究”(BESD)是一项运动干预研究,由比亚韦斯托克医科大学内分泌、糖尿病学和内科学系及临床研究中心开展。在该项目中,居住在比亚韦斯托克市、处于不同血糖异常阶段的久坐男性参与为期三个月的运动干预,包括在当地健身中心进行有监督的训练课程。该研究旨在评估运动干预对不同血糖异常进展阶段患者(包括2型糖尿病和糖尿病前期)的有效性,并比较各组之间的反应。

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。

获取专属数据定制方案