原发性肾上腺功能不全患者间歇性禁食的风险
该数据集来自 clinicaltrials.gov,关注原发性肾上腺功能不全(PAI)患者在间歇性禁食(如斋月禁食)期间的低血糖风险

基本信息
资源简介
原发性肾上腺功能不全患者间歇性禁食的风险
该数据集来自 clinicaltrials.gov,关注原发性肾上腺功能不全(PAI)患者在间歇性禁食(如斋月禁食)期间的低血糖风险。源站描述指出,PAI 的低血糖风险与皮质醇不足有关,在急性失代偿、停药及禁食或延迟进食时风险可能升高。此前一项在 La Rabta 大学医院内分泌科开展的研究纳入 30 名继发性肾上腺功能不全受试者,通过 24 小时连续血糖监测(CGM)发现间歇性禁食期间出现 3 例低血糖,非禁食期间无低血糖。该数据可用于评估禁食相关低血糖风险(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:原发性肾上腺功能不全、间歇性禁食。原发性肾上腺功能不全(PAI)中低血糖的风险众所周知,但研究很少。这可由皮质醇不足解释。只有少数出版物涉及这一主题。低血糖风险似乎在急性失代偿、停止治疗后以及禁食或延迟进食期间增加。因此,这种风险在间歇性禁食(如斋月禁食)期间会增加。此前在 La Rabta 大学医院内分泌科开展的一项研究纳入 30 名继发性肾上腺功能不全受试者,他们接受 24 小时连续血糖监测(CGM),结果显示间歇性禁食期间出现三例低血糖,非禁食期间无低血糖。评估间歇性禁食风险的研究涉及受试者
【主题与分类】
主题标签:Primary Adrenal Insufficiency、Intermittent Fasting。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06299020
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/NCT06299020
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:原发性肾上腺皮质功能不全,间歇性禁食。原发性肾上腺皮质功能不全(PAI)中低血糖的风险已广为人知,但相关研究甚少。这可由皮质醇不足来解释。仅有少数出版物涉及这一主题。在急性失代偿期、治疗停止后以及禁食或延迟进食期间,低血糖风险似乎增加。因此,在诸如斋月禁食等间歇性禁食期间,这一风险会增加。此前在La Rabta大学医院内分泌科开展的一项研究纳入了30名继发性肾上腺皮质功能不全受试者,通过连续血糖监测(CGM)进行24小时监测,结果显示间歇性禁食期间出现3例低血糖,而非禁食期间无低血糖发生。评估间歇性禁食风险的研究均针对继发性肾上腺皮质功能不全受试者。尚无研究评估PAI中间歇性禁食的风险。此外,鉴于PAI中存在的盐皮质激素缺乏,还存在脱水和低血压的风险。
研究目的:总体目标:评估原发性肾上腺功能不全受试者进行间歇性禁食的风险。具体目标:* 评估原发性肾上腺功能不全受试者在禁食期间和非禁食期间低血糖的发生频率。* 评估原发性肾上腺功能不全受试者在禁食期间和非禁食期间脱水的发生频率。* 研究与低血糖和脱水相关的因素。方法:研究类型:前瞻性、交叉、比较性研究,受试者作为自身对照。一组15名患者将在斋月前一周(非禁食周)和斋月第一周(禁食周)接受研究。另一组15名患者将在斋月第四周(禁食周)和斋月后第一周(非禁食周)接受研究。因此,分析将涉及210个禁食日和210个非禁食日。
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。




