减重与维持个体化饮食改善计划 第2队列

源站描述显示,研究面向肥胖成人,旨在通过饮食调整开发减重与体重维持方案,涉及 Obesity、Overweight、Weight Loss、Diet Habit 等条件

University of Illinois at Urbana-ChampaignUniversity of Illinois at Urbana-Champaign
clinicaltrials
浏览 3
其他ObesityOverweightWeight LossDiet Habit
Individualized Diet Improvement Program for Weight Loss and Maintenance, Cohort 2

基本信息

模态
其他
创建/更新时间
2026-10-22

资源简介

减重与维持个体化饮食改善计划 第2队列

该数据集来自 clinicaltrials.gov,属于内分泌、营养和代谢疾病分类下的肥胖症主题,英文名为 Individualized Diet Improvement Program for Weight Loss and Maintenance, Cohort 2。源站描述显示,研究面向肥胖成人,旨在通过饮食调整开发减重与体重维持方案,涉及 Obesity、Overweight、Weight Loss、Diet Habit 等条件。数据可用于探索个体化饮食建议在体重管理中的作用,但具体样本量、变量字段与采集方式源站未提供(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肥胖、超重、减重、饮食习惯。本研究旨在为肥胖成人通过饮食调整制定减重与体重维持计划。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、个体化的建议。

【主题与分类】

主题标签:Obesity、Overweight、Weight Loss、Diet Habit。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/NCT04605640

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/NCT04605640

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: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。

获取专属数据定制方案