限制性饮食对自身免疫性甲状腺炎炎症与生活质量的影响
该数据集来自 clinicaltrials.gov,聚焦自身免疫性甲状腺疾病(AITD)女性人群,研究同时排除含麸质谷物、乳源酪蛋白及高升糖指数碳水化合物对免疫、临床及患者报告结局的联合影响

基本信息
资源简介
限制性饮食对自身免疫性甲状腺炎炎症与生活质量的影响
该数据集来自 clinicaltrials.gov,聚焦自身免疫性甲状腺疾病(AITD)女性人群,研究同时排除含麸质谷物、乳源酪蛋白及高升糖指数碳水化合物对免疫、临床及患者报告结局的联合影响。源站描述指出既往单独研究无麸质、无酪蛋白或限制高升糖指数碳水化合物的结果异质且不确定,本干预作为营养策略研究,不替代标准医疗或常规照护。数据可用于评估限制性饮食与甲状腺自身免疫炎症及生活质量关联的研究场景(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:甲状腺自身免疫病、Hashimoto's Thyroiditis、Graves Disease。背景:既往研究分别探讨了无麸质饮食、无酪蛋白饮食或限制高升糖指数碳水化合物在自身免疫性甲状腺疾病(AITD)个体中的效果,结果异质且不确定。本研究旨在评估同时排除这些饮食成分对AITD女性免疫、临床及患者报告结局的联合影响。该饮食干预旨在作为正在研究的营养策略,并非设计用于替代标准医疗治疗或常规临床照护。饮食干预:分配到干预组的参与者将同时排除含麸质谷物(小麦、大麦和黑麦)、乳源酪蛋白和高升糖指
【主题与分类】
主题标签:Thyroid Autoimmune Disease、Hashimoto's Thyroiditis、Graves Disease。本站分类:内分泌、营养和代谢疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07879690
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/NCT07879690
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
疾病:甲状腺自身免疫性疾病、桥本甲状腺炎、Graves病。背景:既往研究分别探讨了无麸质饮食、无酪蛋白饮食或限制高升糖指数碳水化合物对自身免疫性甲状腺疾病(AITD)患者的影响,结果异质性较大且尚无定论。本研究旨在评估同时排除上述膳食成分对AITD女性患者免疫学、临床及患者报告结局的综合影响。该饮食干预系作为研究中的营养策略,并非旨在替代标准医学治疗或常规临床照护。饮食干预:分配至干预组的参与者将自研究开始时同时排除含麸质谷物(小麦、大麦和黑麦)、乳源性酪蛋白及高升糖指数碳水化合物。不设序贯排除或重新引入阶段。研究时段(第0-4个月、4-8个月和8-12个月)仅对应预先设定的评估间隔。
除研究涉及的饮食排除外,建议参与者在整个研究期间保持稳定的饮食模式,能量摄入和宏量营养素分布相当。分组分配:这是一项前瞻性、非随机研究。分组将在基线时、干预开始前,根据每位参与者遵循饮食方案的意愿和能力确定。为尽量减少与未随机化相关的潜在选择偏倚,将基于基线特征(包括年龄、体重指数(BMI)、基线抗甲状腺过氧化物酶抗体(anti-TPO)水平、甲状腺相关治疗及相关生活方式因素)的倾向评分方法,酌情通过调整、分层或治疗逆概率加权纳入统计分析。依从性评估:对饮食方案的依从性将进行评
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。




