儿童重度早发肥胖单基因肥胖遗传研究
该数据集来自 clinicaltrials.gov，聚焦儿童重度早发肥胖人群中的单基因肥胖遗传研究。源站描述指出，肥胖多由环境或多基因因素导致，少数由单基因改变引起，明确诊断有助于个体化管理和家系筛查
基本信息
资源简介
儿童重度早发肥胖单基因肥胖遗传研究
该数据集英文名为 Genetic Research of Monogenic Obesity in a Pediatric Cohort With Severe and Early Onset Obesity，来源于 clinicaltrials.gov，在本站归类于内分泌、营养和代谢疾病下的肥胖症方向，主题标签为 Monogenic Obesity。其核心关注点是儿童重度、早发肥胖人群中的单基因肥胖遗传研究。源站描述指出，肥胖是一种常见疾病，主要由环境因素或多基因因素引起，少数情况下由单个基因的改变所致，即所谓“单基因肥胖”。明确这类罕见形式的诊断，有助于实现个体化管理，包括新的治疗手段、预后判断、适配的卫生与饮食规则，以及家系筛查。该数据集即围绕在儿童重度早发肥胖队列中使用覆盖已知单基因肥胖病因的检测组合，评估此类分析对调整患者管理方式的相关性。
【数据集背景】
肥胖在人群中十分常见，其成因以环境因素和多基因因素为主，由单个基因改变引起的单基因肥胖则相对罕见。由于罕见形式的诊断结果可能直接影响治疗选择、预后判断、日常卫生与饮食规则的制定，并可为家庭成员提供筛查依据，因此在儿童重度且早发的肥胖人群中识别单基因病因具有明确的临床意义。该数据集所对应的研究正是在这一背景下展开，聚焦儿童重度早发肥胖队列的单基因肥胖遗传研究。
【数据内容】
该数据集的主题标签为 Monogenic Obesity，所属分类为内分泌、营养和代谢疾病 / 肥胖症。源站描述提及研究使用覆盖已知单基因肥胖病因的检测组合，应用于儿童重度早发肥胖队列，以评估这些分析在适配该类患者管理方面的相关性。除上述研究主题与检测组合的用途说明外，源站未提供具体的数据字段、变量构成、样本量或检测结果等细节。
【采集与来源】
该数据集来源于 clinicaltrials.gov，英文名称为 Genetic Research of Monogenic Obesity in a Pediatric Cohort With Severe and Early Onset Obesity。其研究对象为儿童重度且早发肥胖的队列。关于具体的采集流程、采集时间范围、采集机构与地理范围等信息，源站未提供。
【适用场景】
基于源站描述，该数据集所对应的研究关注单基因肥胖检测在儿童重度早发肥胖人群中的应用价值，其潜在应用方向包括：辅助识别由单基因改变所致的罕见肥胖形式，为个体化管理提供依据，例如新的治疗手段、预后判断以及适配的卫生与饮食规则，并支持家系筛查。关于该数据集在其他具体场景中的适用性，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、访问方式或分析流程说明。
【质量与限制】
源站未提供关于数据质量、完整性、偏倚控制或使用限制的说明。需要说明的是，源站描述强调单基因肥胖属于罕见形式，肥胖主要由环境或多基因因素导致，这一背景提示相关研究的对象具有特定性，但该数据集自身的质量与限制信息源站未提供。
【引用与许可】
源站未提供引用方式与许可信息。
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/NCT05362565
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：单基因肥胖。肥胖是一种常见疾病，主要由环境/多基因因素引起，较少由单个基因的改变（“单基因肥胖”）所致。这些罕见形式的诊断可带来个性化管理（新疗法、预后判断、适宜的生活卫生与饮食规则）及家族筛查。在严重且早发性肥胖的儿科队列中使用涵盖已知单基因肥胖病因的检测组合，将有助于评估这些分析在调整此类患者管理方面的相关性。
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。
