针对T1D女性的进食障碍预防项目

该数据集来自clinicaltrials.gov,聚焦于针对1型糖尿病(T1D)女性患者的进食障碍预防项目。研究旨在测试基于证据的进食障碍预防项目Diabetes Body Project(DBP)相较于教育对照组的有效性

Stanford UniversityStanford University
clinicaltrials
浏览 9
图像分类Eating DisordersType 1 Diabetes
Eating Disorder Prevention Program for Women With T1D

基本信息

模态
图像
任务类型
分类
创建/更新时间
2026-10-07

资源简介

针对T1D女性的进食障碍预防项目

该数据集来自clinicaltrials.gov,聚焦于针对1型糖尿病(T1D)女性患者的进食障碍预防项目。研究旨在测试基于证据的进食障碍预防项目Diabetes Body Project(DBP)相较于教育对照组的有效性。DBP是Body Project的改编版本,后者是唯一经独立研究者反复验证、效果优于可信替代干预并影响客观结局的进食障碍预防项目。DBP针对进食障碍超高风险T1D个体进行了微调。研究目标包括减少身体形象担忧、减少进食病理并改善血糖控制。数据可用于评估预防干预效果及T1D相关进食障碍研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:进食障碍,1型糖尿病。本研究旨在测试一项针对1型糖尿病(T1D)个体的循证进食障碍预防项目相较于教育对照组的有效性。Diabetes Body Project(DBP)是Body Project的改编版本,后者是唯一经独立研究者反复评估产生效果、效果强于可信替代干预并影响客观结局的进食障碍预防项目。DBP已针对进食障碍超高风险T1D个体进行了轻微调整。本研究旨在测试DBP在减少身体形象担忧、减少进食病理和改善血糖控制方面的有效性。

【主题与分类】

主题标签:Eating Disorders、Type 1 Diabetes。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/NCT05264376

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT05264376

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:进食障碍,1型糖尿病。本研究旨在检验一项针对1型糖尿病(T1D)患者、基于证据的进食障碍预防项目的有效性,并与教育对照组进行比较。糖尿病身体项目(DBP)是身体项目的改编版本,而身体项目是唯一一个在独立研究者评估中反复产生效果、效果强于可信替代干预措施、并对客观结果产生影响的进食障碍预防项目。DBP已针对进食障碍超高风险T1D患者进行了轻微调整。本研究旨在检验DBP在减少身体意象担忧、减少进食病理及改善血糖控制方面的有效性。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。