抗炎饮食在自身免疫与代谢疾病中的评估
该数据集来自 clinicaltrials.gov,主题为抗炎饮食在自身免疫与代谢疾病中的评估,聚焦 Type1 Diabetes 与 Obesity

基本信息
资源简介
抗炎饮食在自身免疫与代谢疾病中的评估
该数据集来自 clinicaltrials.gov,主题为抗炎饮食在自身免疫与代谢疾病中的评估,聚焦 Type1 Diabetes 与 Obesity。研究为随机、多中心、双臂、平行组、单盲对照临床试验,按 1:1 分配,比较标准饮食与在饮食基础上加入基于 microbiota 分析的营养建议(NUTRI-DIET)的效果。研究持续 12 个月,干预阶段为 3 个月,入组阶段最长 9 个月,计划入组 80 例患者。可用于评估饮食干预对糖尿病与肥胖人群代谢及炎症相关结局的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:1型糖尿病、肥胖。随机、多中心、双臂、平行组、单盲对照临床试验(1:1分配比例),其中一组肥胖患者(N=20)或1型糖尿病患儿(n=20)接受标准肥胖治疗饮食或常规饮食(糖尿病患儿),另一组(肥胖N=20,1型糖尿病N=20)在接受相同饮食的基础上,增加源自微生物群分析的营养建议(NUTRI-DIET)。研究将持续12个月,其中干预阶段(个性化饮食)持续3个月。研究包括一个入组阶段,根据入组患者数量,该阶段可能延长至9个月。一旦总共入组80例患者(即40例1型糖尿病儿科患者和40例肥胖儿科患者),入组阶段即视为结束。在患者入组阶段,将同步收集相关临床信息(生物样本如粪便、尿液和血液,以及关于饮食习惯、体力活动和压力的问卷)。入组完成后,将对所有患者在入组时采集的样本进行检测(粪便微生物群分析、粪便和尿液代谢组分析、血清肠道屏障标志物分析)。肥胖和/或糖尿病患儿将被随机分配到干预组或对照组。随机化将根据年龄(≤12岁:>12岁)、性别和疾病类型(糖尿病或肥胖)进行。
【主题与分类】
主题标签:Type1 Diabetes、Obesity。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/NCT05766657
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/NCT05766657
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:1型糖尿病、肥胖。随机、多中心、2组、平行组、单盲对照临床试验(1:1分配比例),其中一组为肥胖患者(N=20)或1型糖尿病患者(n=20),接受标准肥胖治疗饮食或常规饮食(糖尿病儿童);另一组(肥胖N=20,1型糖尿病N=20)在接受相同饮食的基础上,增加源自微生物群分析的营养建议(NUTRI-DIET)。研究将持续12个月,干预阶段(个性化饮食)持续3个月。该研究包括一个入组阶段,根据入组患者数量,该阶段可能延长至9个月。一旦总共入组80名患者(即40名1型糖尿病儿科患者和40名肥胖儿科患者),入组阶段即视为结束。在患者入组阶段,将同步收集相关临床信息(生物样本,如粪便、尿液和血液,以及关于饮食习惯、体力活动和压力的问卷)。
所有患者入组时采集的样本将在入组完成后进行一次检测(粪便微生物群分析、粪便和尿液代谢组分析、血清肠屏障标志物分析)。肥胖和/或糖尿病儿童将被随机分配到干预组或对照组。随机分组将根据年龄(≤12岁:>12岁)、性别和病理类型(糖尿病或肥胖)进行。
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。




