早期强化营养干预对妊娠期糖尿病发病风险的影响
该数据集来自 clinicaltrials.gov,聚焦于妊娠期糖尿病(GDM)的早期营养干预研究。试验旨在探究以地中海饮食(MedDiet)为基础的营养干预,在妊娠早期启动后,能否降低高风险孕妇的 GDM 发病率及其他不良母体、胎儿和产科事件,并基于临床、人体测量、分析及遗传特征对 GDM 风险进

基本信息
资源简介
早期强化营养干预对妊娠期糖尿病发病风险的影响
该数据集来自 clinicaltrials.gov,聚焦于妊娠期糖尿病(GDM)的早期营养干预研究。试验旨在探究以地中海饮食(MedDiet)为基础的营养干预,在妊娠早期启动后,能否降低高风险孕妇的 GDM 发病率及其他不良母体、胎儿和产科事件,并基于临床、人体测量、分析及遗传特征对 GDM 风险进行分层。研究将强化营养干预与标准护理(妊娠初期给予的一般建议)进行比较,可用于评估饮食干预效果与风险分层方法(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:妊娠期糖尿病 (GDM)、妊娠、地中海饮食。本临床试验的目标是了解在妊娠早期启动的、基于地中海饮食 (MedDiet) 的营养干预,是否能降低被视为高风险的孕妇中妊娠期糖尿病 (GDM) 及其他不良母体、胎儿和产科事件的发生率。该试验还将了解基于临床、人体测量、分析及遗传特征的 GDM 风险分层。其主要旨在回答的问题是: 基于 MedDiet 的营养干预是否能降低高风险女性中 GDM 的发生率? 我们如何对 GDM 风险进行分层?研究人员将把基于地中海饮食的强化营养干预与标准护理(妊娠初期给予的一般建议)进行比较。参与者将:* 接受
【主题与分类】
主题标签:Gestational Diabetes Mellitus (GDM)、Pregnancy、Mediterranean Diet。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/NCT07817017
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/NCT07817017
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:妊娠期糖尿病(GDM)、妊娠、地中海饮食。本临床试验旨在探究,在孕期早期启动基于地中海饮食(MedDiet)的营养干预,是否能降低被视为高风险的孕妇中妊娠期糖尿病(GDM)及其他不良母体、胎儿和产科事件的发生率。该试验还将探究基于临床、人体测量学、分析及遗传特征对GDM风险进行分层的方法。其主要旨在回答的问题包括:* 基于MedDiet的营养干预能否降低高风险女性中GDM的发生率?* 我们如何对GDM风险进行分层?研究人员将把基于地中海饮食的高级营养干预与标准护理(妊娠初期给出的一般建议)进行比较。参与者将:* 在妊娠早期接受强化营养咨询或标准的定期建议。* 在首次超声检查时(妊娠第8-11周)以及GDM筛查时(妊娠第24-26周)到诊所就诊。
- 进行一项通过口腔拭子进行的基因检测。
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。




