利用实时CGM数据与营养导向生活方式改变实现血糖正常化

数据集获取

源站：https://clinicaltrials.gov/study/NCT07832474

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：糖尿病前期。CGM引导的生活方式护理干预旨在帮助CGM用户最优利用其实时和回顾性CGM数据，以识别并做出行为改变，从而降低TA140。CGM设备将被定位为一种工具，引导用户形成并维持个性化的饮食、运动及其他行为（如睡眠和压力管理）方式，这些均有助于将血糖维持在“健康”范围内。拟议的基于CGM的干预旨在探索一种采用灵活、以虚拟方式为主的糖尿病前期人群护理替代方案。对选择健康生活方式行为（如高质量饮食模式和参与体育活动）的重视与现有DPP相似，而同步与异步虚拟护理教育的结合，以及个性化、可操作的血糖数据，减少了参与当前糖尿病预防计划（DPP）的一些已知障碍（如僵化的时间安排、时间）。

强调鼓励参与者利用自身的血糖数据实时了解哪些健康生活方式选择对他们最有效，这也是与过去方法的一个关键区别，有可能促成更可持续的行为改变。

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。