植物性饮食在线减重教育与资源项目研究

研究为干预性试验,评估在社区环境中开展为期 12 周的在线植物性营养教育项目的可行性、实施情况与效果。参与者参加由医生和营养师带领的每周小组课程,学习植物性饮食并获取实施支持与实用建议

Physicians Committee for Responsible MedicinePhysicians Committee for Responsible Medicine
clinicaltrials
浏览 8
医学影像分类Type 2 DiabetesOverweight and Obese Adults
Plant-Based Online Weight Loss Through Education and Resources Program and Study

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-07

资源简介

植物性饮食在线减重教育与资源项目研究

该数据集来自 clinicaltrials.gov,属于内分泌、营养和代谢疾病及糖尿病领域,聚焦 Type 2 Diabetes 与 Overweight and Obese Adults。研究为干预性试验,评估在社区环境中开展为期 12 周的在线植物性营养教育项目的可行性、实施情况与效果。参与者参加由医生和营养师带领的每周小组课程,学习植物性饮食并获取实施支持与实用建议。基线和 12 周评估包括 DXA 扫描、HbA1c、血脂 panel 及食物成本分析,可用于营养干预、减重与代谢指标相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:Type 2 Diabetes、Overweight and Obese Adults。这是一项干预性研究,将评估在社区环境中开展为期 12 周的在线植物性营养教育项目的可行性、实施情况和效果。参与者将参加由医生和营养师带领的每周小组课程,接受关于植物性饮食的教育,以及实施饮食改变的支持和实用建议。参与者将接受基线和 12 周评估,包括用于评估身体成分的 DXA 扫描、HbA1c、血脂 panel 以及食物成本分析。

【主题与分类】

主题标签:Type 2 Diabetes、Overweight and Obese Adults。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/NCT07095543

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT07095543

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:2型糖尿病、超重和肥胖成人。这是一项干预性研究,旨在评估在社区环境中开展为期12周的在线植物性营养教育项目的可行性、实施情况和有效性。参与者将参加由医生和营养师每周领导的小组课程,接受有关植物性饮食的教育,以及实施饮食改变的支持和实用建议。参与者将在基线和12周时接受评估,包括用于评估身体成分的DXA扫描、HbA1c、血脂组合以及食品成本分析。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。