SIMBA胶囊用于小肠菌群失调的评估
该数据集来自clinicaltrials.gov,聚焦SIMBA胶囊用于评估小肠菌群失调。研究通过摄入并收集最多4粒SIMBA胶囊(最多2次),同步采集粪便样本,并结合宏基因组测序和/或代谢组学方法,分析不同疾病状态的肠道症状与小肠微生物组及代谢物失调的相关性

基本信息
资源简介
SIMBA胶囊用于小肠菌群失调的评估
该数据集来自clinicaltrials.gov,聚焦SIMBA胶囊用于评估小肠菌群失调。覆盖Irritable Bowel Syndrome、Crohn Disease、Celiac Disease、Ulcerative Colitis、Functional Dyspepsia、Type 2 Diabetes及Healthy人群。研究通过摄入并收集最多4粒SIMBA胶囊(最多2次),同步采集粪便样本,并结合宏基因组测序和/或代谢组学方法,分析不同疾病状态的肠道症状与小肠微生物组及代谢物失调的相关性。参与者还需填写病史、生活方式、胃肠道症状、焦虑和抑郁等问卷。数据可用于探索小肠微生物组在相关疾病中的作用(来源 clinicaltri。
【数据内容】
源站描述(机器翻译,仅供参考):病症:Irritable Bowel Syndrome、Crohn Disease、Celiac Disease、Ulcerative Colitis、Functional Dyspepsia、Type 2 Diabetes、Healthy。研究者的主要目标是评估来自不同疾病状态的肠道症状与SIMBA胶囊收集的小肠微生物组和代谢物的失调之间的相关性,并通过宏基因组测序和/或代谢组学方法进行识别和测量。该过程包括摄入和收集最多4粒SIMBA胶囊,最多2次,同时收集粪便样本。参与者还将填写一系列关于病史和生活方式输入(如饮食、运动、心理健康)、胃肠道症状、焦虑和抑郁的问卷。研究者的最终目标将是更好地理解小肠微生物组可能如何发挥作用
【主题与分类】
主题标签:Irritable Bowel Syndrome、Crohn Disease、Celiac Disease、Ulcerative Colitis、Functional Dyspepsia、Type 2 Diabetes、Healthy。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/NCT05633706
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/NCT05633706
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:肠易激综合征、克罗恩病、乳糜泻、溃疡性结肠炎、功能性消化不良、2型糖尿病、健康。研究者的主要目标是评估来自不同疾病状态的肠道症状与SIMBA胶囊采集的小肠微生物组及代谢物失调之间的相关性,并通过宏基因组测序和/或代谢组学方法进行识别和测量。该过程包括在最多2个不同场合摄入并收集最多4粒SIMBA胶囊,同时收集一份粪便样本。参与者还将填写一系列关于病史和生活方式输入(如饮食、运动、心理健康)、胃肠道症状、焦虑和抑郁的问卷。研究者的最终目标是更好地理解小肠微生物组如何在症状产生中发挥作用,以确定SIMBA胶囊是否能发现一种可用于多种功能性肠道疾病生物标志物的失调特征。
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。




