评估全脂或低脂乳制品对胰岛素敏感性、红细胞脂肪酸及其他代谢健康标志物影响的试验
该数据集来自 clinicaltrials.gov，属于内分泌、营养和代谢疾病 / 肥胖症分类，聚焦超重与肥胖及甘油三酯升高人群
基本信息
资源简介
评估全脂或低脂乳制品对胰岛素敏感性、红细胞脂肪酸及其他代谢健康标志物影响的试验
该数据集围绕一项针对超重与肥胖、甘油三酯升高人群的膳食干预试验展开，英文名称为“A Trial to Assess Full-fat or Low-fat Dairy Foods on Insulin Sensitivity, RBC FA's and Other Markers of Metabolic Health”。其来源站为 clinicaltrials.gov，本站分类归入内分泌、营养和代谢疾病 / 肥胖症。试验的核心目标是在代谢风险较高的成年人中，评估在膳食中添加每天2份全脂或低脂发酵乳制品，并以宏量营养素组成与低脂发酵乳制品条件相近的非乳制品食物作为替代，对胰岛素敏感性、红细胞脂肪酸谱以及其他心血管代谢健康标志物产生的影响。该数据集的主题标签包括超重与肥胖、甘油三酯升高，整体侧写指向一个聚焦代谢风险人群营养干预的临床研究数据资源。
【数据集背景】
该数据集所对应的研究关注超重与肥胖以及甘油三酯升高人群的代谢健康问题。此类人群通常处于心血管代谢风险升高的状态，而膳食脂肪来源与乳制品摄入模式可能影响胰岛素敏感性及脂肪酸代谢等指标。研究设计通过比较全脂与低脂发酵乳制品的添加效果，并设置以非乳制品食物替代的对照条件，试图在控制宏量营养素组成相似性的前提下，观察乳制品类型对代谢健康标志物的作用。该数据集因此属于内分泌、营养和代谢疾病 / 肥胖症领域，主题标签明确指向超重与肥胖、甘油三酯升高。
【数据内容】
源站描述显示，该试验的主要观察维度包括胰岛素敏感性、红细胞脂肪酸谱以及其他心血管代谢健康标志物。干预方式为在膳食中添加每天2份全脂或低脂发酵乳制品，并以非乳制品食物作为替代，且替代食物的宏量营养素组成与低脂发酵乳制品条件相似。研究条件涉及超重与肥胖、甘油三酯升高。除上述内容外，源站未提供关于具体变量字段、样本量、随访时间点、统计方法或数据表格结构的进一步说明。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述仅说明其针对代谢风险成年人开展膳食干预试验，并列出研究条件与目标。关于数据采集的具体流程、招募方式、伦理审批信息、数据收集时间范围以及原始数据存储形式，源站未提供。
【适用场景】
基于现有信息，该数据集可用于了解在超重与肥胖、甘油三酯升高人群中，全脂或低脂发酵乳制品添加对胰岛素敏感性、红细胞脂肪酸谱及其他心血管代谢健康标志物的研究设计思路。其分类属于内分泌、营养和代谢疾病 / 肥胖症，适合作为该领域临床研究注册信息的参考。关于具体分析用途、二次研究适用性或与其他数据集的联动方式，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法、访问路径、数据格式或操作指南。
【质量与限制】
源站未提供关于数据质量、完整性、偏倚控制、样本代表性或统计效力的具体信息。现有描述仅能反映研究目标与干预条件，无法据此判断数据质量或外部推广性。
【引用与许可】
源站未提供引用格式、许可条款或使用限制信息。
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/NCT04999462
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：超重和肥胖，甘油三酯升高。本试验旨在评估在代谢风险成年人的饮食中，以每日2份全脂或低脂发酵乳制品替代与低脂发酵乳制品宏量营养素组成相似的非乳制品食物，对胰岛素敏感性、红细胞脂肪酸谱及其他心血管代谢健康标志物的影响。
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。
