跨性别过渡期研究
该数据集来自 clinicaltrials.gov,聚焦性别不一致人群在性别肯定激素治疗下的健康相关结局。研究关注性激素对心理、代谢和行为参数的影响,采用临床诊断访谈(外部评定)、自评心理测量、行为实验(如虚拟现实高架十字迷宫和计算机最后通牒游戏)以及血液、粪便、头发和唾液样本的遗传学检测等多种手段

基本信息
资源简介
跨性别过渡期研究
Transgender In Transition 是一个登记于 clinicaltrials.gov 的研究数据集,主题聚焦性别不一致(Gender Incongruence)人群在性别肯定激素治疗过程中的健康相关结局。该研究的基本出发点是:性别肯定激素治疗会影响众多身体功能,而目前已被阐明的机制可能只占少数。项目旨在系统考察多种激素治疗方案在性别烦躁患者治疗中产生的后果与健康相关结局,核心科学兴趣在于研究性激素对心理、代谢和行为参数的影响。为实现这一目标,研究综合采用临床诊断访谈(外部评定)、自评心理测量、行为实验以及基于人体自身材料的遗传学检测等多种调查手段。在本站分类中,该数据集归入内分泌、营养和代谢疾病下的其他类别。
【数据集背景】
性别肯定激素治疗涉及对多项身体功能的广泛影响,现有认识仍相当有限。该研究正是针对这一知识缺口而设计,试图在性别烦躁患者的治疗情境中,厘清不同激素疗法带来的后果与健康相关结局。研究的科学关注点集中于性激素如何作用于心理、代谢与行为三个层面的参数,从而为理解激素治疗的整体效应提供依据。
【数据内容】
数据集围绕性别不一致人群展开,内容涵盖多类调查与测量结果:一是临床诊断访谈,采用外部评定方式;二是自评形式的心理测量;三是行为实验,包括虚拟现实高架十字迷宫(Elevated Plus Maze)和计算机化的最后通牒游戏(Ultimatum Game);四是针对人体自身材料的遗传学检测,样本类型包括血液样本、粪便样本、头发样本和唾液样本。上述内容共同构成对心理、代谢和行为参数的多维度观察。
【采集与来源】
该数据集来源于 clinicaltrials.gov。研究通过临床诊断访谈、心理测量、行为实验以及生物样本采集等方式获取数据,生物样本涉及血液、粪便、头发和唾液。源站描述在结尾处中断,其余采集流程细节源站未提供。
【适用场景】
基于其主题与测量手段,该数据集适用于探讨性别肯定激素治疗对心理、代谢和行为参数影响的研究情境,也可为涉及性别不一致人群健康相关结局的分析提供参考。具体适用场景的进一步说明源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT04028219
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:性别不一致。性别肯定激素治疗会影响众多身体功能,由此必须假定迄今仅有一小部分得到阐明。本项目旨在研究各种激素疗法在治疗性别烦躁患者中的后果及健康相关结局。主要科学兴趣在于研究性激素对心理、代谢和行为参数的影响。为此,研究拟开展多项调查,包括临床诊断性访谈(外部评定)与自评心理测量、行为实验(如虚拟现实高架十字迷宫和基于计算机的最后通牒游戏),以及对身体自身材料(血液样本、粪便样本、毛发样本和唾液样本)的遗传学检查。本研究结果应能为更好地理解长期给予性激素的后果奠定基础。
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。




