BE Smart - 减重手术患者使用Smartvisit应用在准备和随访中的赋能 (BESmart)
该数据集来自clinicaltrials.gov,关注肥胖症及减重手术候选者。源站描述指出肥胖患病率持续攀升,合并症多样,治疗需长期甚至终身管理;代谢减重手术效果最佳,但术后仍需终身随访以保障疗效并及时发现处理并发症、营养问题或缺乏

基本信息
资源简介
BE Smart - 减重手术患者使用Smartvisit应用在准备和随访中的赋能 (BESmart)
该数据集来自clinicaltrials.gov,关注肥胖症及减重手术候选者。源站描述指出肥胖患病率持续攀升,合并症多样,治疗需长期甚至终身管理;代谢减重手术效果最佳,但术后仍需终身随访以保障疗效并及时发现处理并发症、营养问题或缺乏。治疗中心日益难以应对大量患者的随访,专业学会指南建议让患者参与自身治疗成功并主动塑造治疗。一款针对肥胖人群治疗定制的应用,可在自我组织等方面提供帮助(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Obesity, Bariatric Surgery Candidate. 数十年来,肥胖的患病率急剧上升。其合并症多种多样,而肥胖的治疗是一项长期、通常终身的任务。代谢减重手术可提供最佳结果。然而,即使在减重代谢手术后,仍需要终身随访,以确保治疗成功,并及时发现和处理可能的并发症、营养问题或缺乏。治疗中心越来越难以应对众多患者的随访护理。与此同时,专业学会的指南建议让患者参与其治疗的成功,并使其能够在塑造自身治疗中发挥积极作用。一款针对肥胖人群治疗定制的应用,可在自我组织等方面提供帮助。
【主题与分类】
主题标签:Obesity、Bariatric Surgery Candidate。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/NCT06061406
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/NCT06061406
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,减重手术候选者。数十年来,肥胖的患病率急剧上升。其合并症多种多样,而肥胖的治疗是一项长期、通常为终身的任务。代谢减重手术能提供最佳疗效。然而,即便在代谢减重手术后,仍需终身随访,以确保治疗成功,并及时发现和处理可能的并发症、营养问题或营养缺乏。治疗中心日益被众多患者的随访护理所淹没。与此同时,专业学会的指南建议让患者参与到其治疗的成功中,并使其能在治疗规划中发挥积极作用。一款针对肥胖人群治疗定制的应用程序,既有助于患者自我组织以遵守治疗建议,又能与中心保持长期联系,并在必要时进行低门槛接触,对于患者和治疗中心而言,都将是现有治疗选项的宝贵补充。
这样的应用程序在术前患者中也有其价值,尤其是在这一阶段患者需要完成大量文书工作。对于那些肥胖程度尚不足以接受手术的患者,往往需要自费完成营养咨询和锻炼,而得不到专家的支持。在此方面,也有必要通过适当协调的应用程序来补充治疗选择。为了对肥胖患者进行照护并增强其应对疾病的能力,将研究aycan公司专为肥胖患者调整的smart visit应用程序。该项目设计为试点项目,主要终点为使用情况和满意度(3个月后,关键次要终点为12个月后)。共有来自3组的100名患者(术后、术前、长期保守治
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。




