极低碳水化合物饮食用于糖尿病前期与肥胖
该数据集来自 clinicaltrials.gov,主题为极低碳水化合物饮食用于糖尿病前期与肥胖,属于内分泌、营养和代谢疾病 / 糖尿病领域

基本信息
资源简介
极低碳水化合物饮食用于糖尿病前期与肥胖
该数据集来自 clinicaltrials.gov,主题为极低碳水化合物饮食用于糖尿病前期与肥胖,属于内分泌、营养和代谢疾病 / 糖尿病领域。源站描述指出,肥胖与糖尿病前期常共存并共享病理生理通路,而碳水化合物限制饮食在已确诊 T2DM 和糖尿病肾病人群中已显示减重与改善血糖的效果,但在糖尿病前期这一更早、可能可逆阶段的效应尚不明确。该单中心随机对照试验评估 12 周极低碳水化合物饮食(VLCBD,每日碳水化合物少于 50 g)与标准饮食的对比,可用于糖尿病前期与肥胖营养干预相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Prediabetes, Obesity / Overweight, VERY LOW CARBOHYDRATE DIET. 肥胖和糖尿病前期经常共存,并共享共同的病理生理通路:内脏脂肪过多会促进慢性低度炎症和胰岛素抵抗,加速从血糖正常向糖尿病前期并最终向 2 型糖尿病(T2DM)进展。虽然限制碳水化合物的饮食干预已在确诊 T2DM 和糖尿病肾病患者中显示出减重和改善血糖的疗效,但其在更早期、可能可逆的糖尿病前期阶段的效果尚未得到充分表征,而在此阶段干预可能具有最大的预防价值。这项单中心、随机对照试验评估 12 周极低碳水化合物饮食(VLCBD,每日碳水化合物少于 50 g)与标准饮食
【主题与分类】
主题标签:Prediabetes、Obesity / Overweight、VERY LOW CARBOHYDRATE DIET。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/NCT07830121
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/NCT07830121
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:糖尿病前期、肥胖/超重、极低碳水化合物饮食。肥胖与糖尿病前期常并存,并共享共同的病理生理通路:内脏脂肪过多促进慢性低度炎症和胰岛素抵抗,加速从血糖正常向糖尿病前期进展,并最终发展为2型糖尿病(T2DM)。虽然限制碳水化合物的饮食干预已在确诊T2DM和糖尿病肾病患者中显示出减重和改善血糖的疗效,但其在更早期、可能可逆的糖尿病前期阶段的效果尚未得到充分描述,而在此阶段进行干预可能具有最大的预防价值。这项单中心随机对照试验评估了在马来西亚一家三级内分泌门诊就诊的肥胖合并糖尿病前期成人中,为期12周的极低碳水化合物饮食(VLCBD,碳水化合物摄入量低于50克/天)与标准饮食建议(不特别限制碳水化合物)相比的效果。
两个研究组均接受基于理想体重的个体化热量摄入、结构化饮食咨询以及用于依从性监测的饮食日记。该研究比较两种饮食方案在12周干预期间对人体测量学和身体成分变化、胰岛素抵抗以及VLCBD方案安全性和可行性的影响,并在基线和第12周进行评估。研究结果旨在阐明碳水化合物限制是否是一种可行、安全且有效的饮食策略,用于降低糖尿病前期合并肥胖成人的心血管代谢风险并预防其进展为2型糖尿病——这一人群此前并未被低碳水化合物饮食试验直接涉及,既往试验主要在已确诊糖尿病的患者中进行。
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。




