基本信息

模态

其他

创建/更新时间

2026-10-21

资源简介

炎症、糖尿病、种族与肥胖队列

Inflammation, Diabetes, Ethnicity and Obesity Cohort（炎症、糖尿病、种族与肥胖队列，简称 IDEO 队列）是一个在内分泌、营养和代谢疾病领域下归入糖尿病方向的研究队列数据集，其信息来源为临床试验注册平台 clinicaltrials.gov。该队列围绕肥胖、糖尿病与糖尿病前期人群展开，计划从不同种族背景中招募 350 名个体，覆盖从体重到糖尿病风险的连续谱。研究对象为 18 至 75 岁、体重稳定、健康或伴有糖尿病的参与者，同时也拟纳入计划在 UCSF 接受肥胖相关减重手术或其他类型腹部手术的人群。数据集的主题标签包括肥胖、糖尿病和糖尿病前期，整体侧写指向炎症、糖尿病、种族与肥胖之间的关联研究。

【数据集背景】

该数据集所对应的 IDEO 队列以炎症、糖尿病、种族与肥胖为核心主题，关注的疾病条件包括肥胖、糖尿病和糖尿病前期。队列设计强调从多种族人群中招募参与者，并覆盖不同体重水平与糖尿病风险谱系，体现出对代谢性疾病在不同人群分布特征的关注。研究面向 18 至 75 岁、体重稳定的健康个体或糖尿病患者，同时特别纳入拟接受减重手术或其他腹部手术的人群，从而将内科代谢风险与外科干预场景结合起来。

【数据内容】

源站描述显示，该队列计划招募 350 名来自不同种族的个体，覆盖体重与糖尿病风险的连续范围。参与者年龄范围为 18 至 75 岁，要求体重稳定，可为健康个体或伴有糖尿病者。队列还计划纳入拟在 UCSF 接受任何类型肥胖减重手术或其他类型腹部手术的人员。关于具体的变量字段、测量指标、随访时间点等信息，源站未提供。

【采集与来源】

该数据集来源于 clinicaltrials.gov，属于临床试验注册信息所对应的研究队列。源站描述提及招募多种族个体以及在 UCSF 接受手术的人群，但关于具体的采集流程、采样方法、数据收集工具与时间安排，源站未提供。

【适用场景】

基于现有信息，该数据集适用于围绕肥胖、糖尿病及糖尿病前期的研究，尤其是涉及多种族人群、体重与糖尿病风险谱系，以及减重手术或其他腹部手术相关代谢问题的分析场景。关于更具体的适用分析方法或研究设计，源站未提供。

【使用方法】

源站未提供。

【质量与限制】

源站未提供关于数据质量、样本代表性、缺失情况或使用限制的具体说明。可确认的限定信息包括：计划招募规模为 350 人，参与者年龄为 18 至 75 岁，需体重稳定，且覆盖健康、糖尿病及拟接受相关手术的人群。

【引用与许可】

源站未提供。

原始链接

https://clinicaltrials.gov/study/NCT03022682

访问原始数据

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/NCT03022682

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。

数据说明

条件：肥胖、糖尿病、糖尿病前期。炎症、糖尿病、种族与肥胖（IDEO）队列研究正在招募350名来自不同种族的个体，涵盖不同体重和糖尿病风险谱系。该研究正在寻找年龄在18至75岁之间、体重稳定、健康或患有糖尿病的参与者。该研究还希望纳入计划在UCSF接受任何类型肥胖减重手术或任何其他类型腹部手术的人员。

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