超重与肥胖及青春期发育队列研究
该数据集来自clinicaltrials.gov,属于内分泌、营养和代谢疾病/肥胖症分类,主题为超重与肥胖及青春期发育。源站描述显示这是一项前瞻性队列研究,旨在探讨儿童体重状态与童年生长环境对青春期发育的影响

基本信息
资源简介
超重与肥胖及青春期发育队列研究
该数据集来自clinicaltrials.gov,属于内分泌、营养和代谢疾病/肥胖症分类,主题为超重与肥胖及青春期发育。源站描述显示这是一项前瞻性队列研究,旨在探讨儿童体重状态与童年生长环境对青春期发育的影响。研究对象为6至12岁小学生及其家长,在中国曲阜、中山和呼和浩特三市通过分层随机整群抽样纳入约40所学校,由三家合作医院临床医生进行人体测量。数据可用于分析儿童体重与青春期发育的关联(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:性早熟、超重与肥胖。1. 目的:一项前瞻性队列研究。本研究旨在探讨儿童体重状态和童年生长环境对青春期发育的影响。2. 参与者:参与者为6至12岁的小学生,其父母必须愿意参与本研究并遵守研究要求。3. 研究程序:根据地理和人口分布,通过分层随机整群抽样在中国三个城市(包括曲阜、中山和呼和浩特)纳入约40所学校。参与者将接受来自三家合作医院(包括中山博爱医院、曲阜市人民医院和内蒙古自治区人民医院)的临床医生进行的人体测量。本研究将在选定学校的1至3年级儿童中进行。
【主题与分类】
主题标签:Precocious Puberty、Overweight and 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/NCT04113070
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/NCT04113070
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:性早熟、超重与肥胖。1. 目的:一项前瞻性队列研究。本研究旨在探讨儿童体重状况及童年生长环境对青春期发育的影响。2. 参与者:参与者为6至12岁的小学生,其父母必须愿意参与本研究并遵守研究要求。3. 研究程序:根据地理和人口分布,通过分层随机整群抽样,在中国三个城市(包括曲阜、中山和呼和浩特)纳入约40所学校参与本研究。参与者将接受来自三家合作医院(包括中山市博爱医院、曲阜市人民医院和内蒙古自治区人民医院)临床医生的人体测量学测量。本研究将于2019年在所选学校1至3年级儿童中开展,并分别于一年、两年和三年后进行第一次、第二次和第三次随访。4. 暴露因素:基线时超重或肥胖的参与者将被纳入超重和肥胖组。5.
相关危险因素:将通过家长报告问卷收集儿童生长发育和家庭环境信息,包括体力活动、饮食习惯、睡眠时长、家庭结构和家庭社会经济状况;6. 结局指标:参与者的青春期阶段将由医生通过触诊评估第二性征发育情况来评定。
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。




