办公场所植物性减重项目的可行性与实施研究

该数据集来自 clinicaltrials.gov,为一项前瞻性干预性研究,评估在办公场所开展的 12 周植物性减重项目的可行性、实施与效果

Physicians Committee for Responsible MedicinePhysicians Committee for Responsible Medicine
clinicaltrials
浏览 13
蛋白质预测Weight LossBlood PressureLipid DisorderPreDiabetesDiabete Mellitus
Feasibility & Implementation of a Plant-Based Weight-Loss Program in an Office-Based Setting

基本信息

模态
蛋白质
任务类型
预测
创建/更新时间
2026-10-07

资源简介

办公场所植物性减重项目的可行性与实施研究

该数据集来自 clinicaltrials.gov,为一项前瞻性干预性研究,评估在办公场所开展的 12 周植物性减重项目的可行性、实施与效果。项目通过本地印刷及在线广告等方式向公众开放,包含每周教育与支持,并在项目前后评估血压、血脂、血红蛋白 A1c 和身体成分。项目费用为 645 美元,覆盖每周教育、血压检查、实验室检测和身体成分分析。数据可用于研究减重、血压、血脂异常、糖尿病前期及糖尿病的干预效果与预测建模(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:Weight Loss、Blood Pressure、Lipid Disorder、PreDiabetes、Diabete Mellitus。这将是一项前瞻性干预性研究,旨在评估在办公场所开展、并通过本地印刷和在线广告或任何适用方式向公众开放参与的 12 周植物性减重项目的可行性、实施和效果。该项目将包括每周教育和支持,以及在项目开始前后评估血压、血脂、血红蛋白 A1c 和身体成分。项目价格 645 美元将覆盖每周教育、血压检查、实验室检测和身体成分分析的费用。

【主题与分类】

主题标签:Weight Loss、Blood Pressure、Lipid Disorder、PreDiabetes、Diabete Mellitus。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/NCT04091516

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/NCT04091516

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:体重减轻、血压、脂质紊乱、糖尿病前期、糖尿病。这将是一项前瞻性干预研究,旨在评估一项为期12周、以植物为基础的减肥计划在办公环境中实施的可行性、执行情况及效果,该计划通过当地印刷和在线广告或任何适用方式向公众开放参与。该计划将包括每周的教育和支持,以及在开始计划前后对血压、血脂、糖化血红蛋白和身体成分的评估。该计划的费用为645美元,将涵盖每周教育、血压检查、实验室检测和身体成分分析的成本。

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