跨性别激素治疗代谢后果数据集
该数据集来自 clinicaltrials.gov，聚焦性别烦躁人群在开始性别肯定激素治疗一年后的代谢变化。研究为单中心学术区域跨性别转诊中心的回顾性研究，分析非肥胖跨性别受试者与对照者的内脏脂肪、体成分及代谢参数
基本信息
资源简介
跨性别激素治疗代谢后果数据集
该数据集英文名为 Metabolic Consequences of Cross-sex Hormonal Treatment，来源于 clinicaltrials.gov，聚焦性别烦躁人群在接受性别肯定激素治疗一年后的代谢变化。研究为单中心学术区域跨性别转诊中心开展的回顾性研究，分析非肥胖跨性别受试者与对照者在开始激素治疗一年后的内脏脂肪、体成分及代谢参数。数据集在本站归入内分泌、营养和代谢疾病 / 肥胖症分类，主题标签为 Gender Dysphoria。整体而言，该数据集围绕性别烦躁人群激素治疗与代谢结局之间的关系，提供了来自真实临床转诊场景的回顾性观察素材，可用于了解该人群在激素治疗启动后一年内内脏脂肪、体成分和代谢指标的变化情况，并与对照人群进行比较。
【数据集背景】
该数据集关注性别烦躁人群在接受性别肯定激素治疗后的代谢后果。性别肯定激素治疗是跨性别医疗中的常见干预方式，其长期代谢影响是临床关注的问题之一。源站描述显示，该研究在单一学术区域跨性别转诊中心开展，采用回顾性研究设计，研究对象为非肥胖的跨性别受试者，并设置对照组。研究目的在于分析受试者开始性别肯定激素治疗一年后的内脏脂肪、体成分及代谢参数，并与对照者进行比较。数据集的主题标签为 Gender Dysphoria，本站分类将其归入内分泌、营养和代谢疾病 / 肥胖症，反映出该数据与代谢健康及体成分变化议题的关联。
【数据内容】
依据源站描述，该数据集涉及的核心观察内容包括内脏脂肪（VAT）、体成分以及代谢参数。研究对象为非肥胖的跨性别受试者，观察时间点为开始性别肯定激素治疗一年后，并同时纳入对照者进行比较。数据集英文名称明确指向跨性别激素治疗的代谢后果，主题标签为性别烦躁。除上述内容外，源站未提供具体变量清单、样本量、测量指标明细或数据表结构等信息。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述表明，研究在单一学术区域跨性别转诊中心进行，属于回顾性研究，分析非肥胖跨性别受试者在开始性别肯定激素治疗一年后以及对照者的内脏脂肪、体成分和代谢参数。除来源站与单中心回顾性设计外，源站未提供具体的采集流程、时间跨度、数据提取方式或伦理审批等信息。
【适用场景】
该数据集可用于围绕性别烦躁人群性别肯定激素治疗与代谢结局之间关系的观察性研究场景，例如了解非肥胖跨性别受试者治疗一年后内脏脂肪、体成分及代谢参数的变化，并与对照人群进行比较。其单中心回顾性设计也使其适合作为相关主题的探索性参考素材。具体适用场景的边界与限制，源站未提供更多说明。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式、文件格式或分析指引。
【质量与限制】
该研究为单中心学术区域跨性别转诊中心的回顾性研究，研究对象为非肥胖跨性别受试者，观察时间点为开始性别肯定激素治疗一年后，并设置对照者。除这些设计特征外，源站未提供样本量、缺失数据情况、偏倚控制措施或数据质量评估等信息。
【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/NCT04508231
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：性别烦躁。在一家学术性区域跨性别转诊中心开展的回顾性研究。分析非肥胖跨性别受试者在开始性别肯定激素治疗一年后及对照组的VAT、身体成分和代谢参数
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。
