亚精胺补充对超重或肥胖合并高脂血症患者血脂与体重影响及安全性的评估
该数据集来自 clinicaltrials.gov,属于内分泌、营养和代谢疾病下的肥胖症分类,主题为超重或肥胖合并高脂血症人群

基本信息
资源简介
亚精胺补充对超重或肥胖合并高脂血症患者血脂与体重影响及安全性的评估
该数据集来自 clinicaltrials.gov,属于内分泌、营养和代谢疾病下的肥胖症分类,主题为超重或肥胖合并高脂血症人群。源站描述显示这是一项单中心、随机、双盲、安慰剂对照、平行组试验,计划纳入50名合格受试者,按1:1随机分配至亚精胺胶囊10 mg/日组或安慰剂组,干预持续1个月,采用计算机生成随机数字表、可变区组、顺序编号密封信封进行分配隐藏,并对受试者、研究者和结局评估者设盲。数据可用于评估亚精胺补充对血脂和体重的影响及安全性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肥胖与超重、高脂血症。这是一项单中心、随机、双盲、安慰剂对照、平行组试验,旨在评估亚精胺补充剂在超重或肥胖合并高脂血症成人中的有效性和安全性。共50名合格受试者将按1:1比例随机分配至实验组(亚精胺胶囊10 mg/日)或对照组(安慰剂胶囊,外观、包装和味道相同)。随机化将由第三方统计师使用计算机生成的随机数字表以可变区组大小进行。分配隐藏将通过顺序编号、不透明、密封的信封确保。所有结局评估者、研究者和受试者在整个研究期间将对分组分配保持盲态。干预期持续1个月。受试者在
【主题与分类】
主题标签:Obesity & Overweight、Hyperlipidemia。本站分类:内分泌、营养和代谢疾病/肥胖症。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07662330
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/NCT07662330
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:肥胖与超重、高脂血症。这是一项单中心、随机、双盲、安慰剂对照、平行组试验,旨在评估亚精胺补充剂对超重或肥胖合并高脂血症成人的疗效和安全性。共50名符合条件的受试者将按1:1比例随机分配至实验组(亚精胺胶囊10 mg/天)或对照组(安慰剂胶囊,外观、包装和味道完全相同)。随机化将由第三方统计师使用计算机生成的随机数字表进行,采用可变区组大小。分配隐藏将通过按顺序编号、不透明、密封的信封来确保。所有结局评估者、研究者和受试者在整个研究期间将对分组分配保持盲态。干预期为1个月。实验组受试者将在早餐后每天口服2粒(共10 mg)亚精胺胶囊(从北美高硒小麦胚芽中提取,100:1浓缩工艺)。安慰剂组将接受相同方案的微晶纤维素胶囊。
试验期间,所有参与者将接受标准化饮食建议,旨在避免高多胺食物(如纳豆、发酵豆制品、蘑菇、胚芽制品),并保持总能量摄入稳定,避免暴饮暴食。他们还将被建议避免新的营养补充剂和任何其他减重干预措施。每周电话随访将监测依从性及饮食/运动日志。依从性将通过回收胶囊的药片计数进行评估,依从性<80%定义为方案偏离。评估安排在基线(第0天)和研究结束时(第1个月)。基线评估包括人体测量、血液生化、粪便样本采集和问卷评估。在第1个月,将重复所有基线测量,并记录不良事件,并使用th评估因果关系。
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。




