乳极性脂质对腹部肥胖血脂异常成人的评估

该数据集来自 clinicaltrials.gov,主题为乳极性脂质(MPL)对腹部肥胖血脂异常成人的干预评估。研究为随机、双盲、对照、平行干预试验,计划纳入 130 名受试者,分别饮用对照乳饮品或富含 MPL 的乳饮品,持续 8 周

University of ConnecticutUniversity of Connecticut
clinicaltrials
浏览 11
蛋白质预测DyslipidemiasObesity
Evaluation of Milk Polar Lipids in Dyslipidemic Adults With Abdominal Obesity

基本信息

模态
蛋白质
任务类型
预测
创建/更新时间
2026-10-17

资源简介

乳极性脂质对腹部肥胖血脂异常成人的评估

该数据集来自 clinicaltrials.gov,主题为乳极性脂质(MPL)对腹部肥胖血脂异常成人的干预评估。研究为随机、双盲、对照、平行干预试验,计划纳入 130 名受试者,分别饮用对照乳饮品或富含 MPL 的乳饮品,持续 8 周。研究设定四个具体目标:评估 MPL 对血清脂质浓度及其他心血管代谢风险因素的影响、对低度炎症全身生物标志物的影响、对脂蛋白代谢及脂蛋白颗粒特征的影响,以及对肠道菌群、肠道通透性标志物和粪便脂质的影响。数据可用于代谢与营养干预相关预测建模(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:血脂异常、肥胖。研究者将开展一项随机、双盲、对照、平行的干预研究,受试者为腹部肥胖的血脂异常成人(n = 130)。参与者将饮用对照乳饮品(n = 65)或富含 MPL 的乳饮品(n = 65),持续 8 周。研究者计划评估以下 4 个具体目标:1. 确定 MPL 对血清脂质浓度及其他心血管代谢风险因素的影响。2. 评估 MPL 对低度炎症全身生物标志物的影响。3. 检查 MPL 对脂蛋白代谢和脂蛋白颗粒特征的影响。4. 评估 MPL 对肠道菌群、肠道通透性标志物和粪便脂质的影响。

【主题与分类】

主题标签:Dyslipidemias、Obesity。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/NCT05700916

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05700916

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:血脂异常、肥胖。研究者将在一项随机、双盲、对照、平行干预研究中,纳入伴有腹型肥胖的血脂异常成人(n = 130)。受试者将连续8周摄入对照乳制品饮料(n = 65)或富含MPL的乳制品饮料(n = 65)。研究者计划评估以下4个具体目标:1. 确定MPL对血清脂质浓度及其他心血管代谢危险因素的影响。2. 评估MPL对低度炎症全身生物标志物的影响。3. 考察MPL对脂蛋白代谢及脂蛋白颗粒特征的影响。4. 评估MPL对肠道微生物群、肠道通透性标志物及粪便脂质的影响。

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。

获取专属数据定制方案