减重与维持个体化饮食改善计划队列1
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，主题涵盖肥胖、超重、减重与饮食习惯
基本信息
资源简介
减重与维持个体化饮食改善计划队列1
该数据集英文名为 Individualized Diet Improvement Program for Weight Loss and Maintenance, Cohort 1，来源于 clinicaltrials.gov，在分类上归属于内分泌、营养和代谢疾病下的肥胖症方向，主题标签涵盖肥胖、超重、减重与饮食习惯。从源站描述来看，这项研究面向肥胖成人，目标是开发一套通过饮食调整实现的减重与体重维持方案。其背景在于，尽管科学研究已经证明快速且安全的饮食减重以及随后的体重维持在技术上是可行的，但尚无广泛可用的有效饮食体重管理方案，因此减重手术仍然是目前最可靠的减重与体重管理途径；而安全有效的饮食减重与后续维持，需要由经验丰富的营养师或营养专业人员提供灵活的、个体化的指导。该数据集即为这一研究方向下的第一个队列。
【数据集背景】
该数据集所属研究关注肥胖与超重人群的体重管理问题。源站描述指出，虽然已有科学研究表明快速、安全的饮食减重以及随后的体重维持具有可行性，但现实中并没有广泛可用的有效饮食体重管理方案，这导致减重手术依然被视为减重和体重管理最可靠的手段。研究者的判断是，安全且有效的饮食减重与后续体重维持，离不开由经验丰富的营养师或营养专业人员所提供的灵活、个体化建议。因此，该研究致力于为肥胖成人开发一套通过饮食调整实现的减重与体重维持方案，本数据集对应其中的第一个队列。
【数据内容】
该数据集的主题标签为肥胖、超重、减重与饮食习惯，源站列出的相关条件包括肥胖、超重、减重与饮食习惯。数据集名称中的“个体化饮食改善计划”与“减重和维持”点明了其内容围绕饮食改善干预及体重管理展开，并以队列形式组织。关于具体的变量字段、样本量、随访时间点、测量指标等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov，属于临床研究注册与结果信息平台上的研究记录。其分类位置为内分泌、营养和代谢疾病下的肥胖症。除来源站与所属分类外，关于采集地点、采集时间、采集流程与具体采集方式的信息，源站未提供。
【适用场景】
基于源站描述，该数据集可用于了解面向肥胖成人的个体化饮食减重与体重维持研究的设计思路，也可作为内分泌、营养和代谢疾病领域尤其是肥胖症方向研究的参考。其主题覆盖肥胖、超重、减重与饮食习惯，适合与体重管理、饮食干预相关的分析或背景调研使用。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，包括访问方式、数据格式、字段说明与配套文档等。
【质量与限制】
该数据集为第一个队列，其研究目标与背景在源站描述中有明确说明，但源站未提供样本规模、数据完整性、测量精度、缺失情况等质量相关信息，也未提供使用限制方面的说明。
【引用与许可】
源站未提供该数据集的引用方式与许可条款信息。
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/NCT04605653
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、超重、体重减轻、饮食习惯。本研究旨在为肥胖成人制定通过饮食调整实现减重及体重维持的方案。尽管科学研究已表明快速且安全的饮食减重及后续体重维持具有可行性，但目前尚无广泛可用的有效饮食体重管理方案，因此减重手术仍是减重/体重管理最可靠的方法。安全有效的饮食减重及后续体重维持需要由经验丰富的营养师/营养学家提供灵活、个体化的指导。
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。
