脓毒症中生酮饮食与标准高碳水营养对比的随机对照试验
该数据集来自一项单中心开放标签随机对照试验,纳入40名成人脓毒症患者,随机分配至生酮饮食组或标准高碳水化合物营养组,干预14天并随访至第30天

基本信息
资源简介
脓毒症中生酮饮食与标准高碳水营养对比的随机对照试验
Ketogenicdiet versus standard high-carbohydrate nutrition in sepsis: a randomized controlled trial
该数据集来自一项单中心开放标签随机对照试验,纳入40名成人脓毒症患者,随机分配至生酮饮食组或标准高碳水化合物营养组,干预14天并随访至第30天。主要结局指标为第14天血清β-羟基丁酸浓度,同时评估生酮饮食的可行性、安全性及饮食相关的临床和免疫学变化。数据包含高通量测序表达谱,可用于分析脓毒症患者不同营养干预下的基因表达变化,探索生酮饮食对代谢和免疫功能的影响(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 15 202。
【数据内容】
源站描述(机器翻译,仅供参考):脓毒症患者存在严重的代谢和免疫功能紊乱,而主要依赖碳水化合物的标准营养方案可能加剧这种紊乱。我们在此假设生酮饮食能够改善脓毒症的治疗效果。我们开展了一项单中心开放标签随机对照试验,纳入40名成人脓毒症患者。患者被随机分配至生酮饮食(KD)组或标准高碳水化合物营养组,干预14天并随访至第30天。主要结局指标为第14天的β-羟基丁酸(BHB)血清浓度。我们评估了KD的可行性和安全性,以及饮食相关的临床和免疫学变化。相应的营养方案均成功实施,未出现脱落病例。回归分析显示,与对照组相比,KD患者从基线到第14天的BHB浓度增幅更大。代谢
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL24676、9606。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE240861
【使用注意】
· 源站最后修改于 Sep 30 202,引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE240861
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
脓毒症患者存在严重的代谢和免疫功能紊乱,而主要依赖碳水化合物的标准营养方式可能加剧这种紊乱。我们在此提出假说:生酮饮食可改善脓毒症的治疗效果。我们开展了一项单中心、开放标签的随机对照试验,纳入40例成人脓毒症患者。患者被随机分配至生酮饮食(KD)组或标准高碳水化合物营养组,干预持续14天,随访至第30天。主要结局指标为第14天的血清β-羟丁酸(BHB)浓度。我们评估了KD的可行性和安全性,以及饮食相关的临床和免疫学变化。相应的营养方案均成功实施,未出现脱落病例。回归分析显示,与对照组相比,KD组患者从基线至第14天的BHB浓度升高幅度更大。生酮饮食下未观察到代谢方面的副作用。生酮饮食组患者的无机械通气天数、无血管活性药物天数、无透析天数及无ICU天数均显著增加。
第14天对CD4+和CD8+ T细胞的转录组分析显示,与对照组相比,KD组基因表达存在显著差异调控,表明T细胞活化降低,并向更为调控性的免疫状态转变。
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。
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。




