南意大利儿童青少年及父母营养与健康队列研究
该数据集来自clinicaltrials.gov,聚焦南意大利儿童、青少年及其父母的营养与健康队列研究,属于内分泌、营养和代谢疾病中的肥胖症范畴

基本信息
资源简介
南意大利儿童青少年及父母营养与健康队列研究
该数据集来自clinicaltrials.gov,聚焦南意大利儿童、青少年及其父母的营养与健康队列研究,属于内分泌、营养和代谢疾病中的肥胖症范畴。源站描述指出儿童肥胖是全球重大公共卫生问题,父母对儿童饮食行为影响显著;既往研究多分析食物成分而较少关注食物加工度,NOVA分类则基于加工度而非营养组成来审视食物,并提出加工度可能与健康同样相关。数据覆盖饮食习惯、健康饮食、儿童肥胖、父母及营养健康等主题,可用于探究家庭饮食模式、超加工食品与儿童肥胖关联等研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:饮食习惯、健康饮食、儿童肥胖、父母、营养、健康。儿童肥胖是全球重大公共卫生问题,父母在儿童饮食行为中发挥强大作用。大多数先前研究几乎完全通过评估食物成分(即热量、宏量和微量营养素含量)来分析父母和儿童的饮食,很少或没有关注食物加工度。NOVA分类被提出作为一种新方式,基于食物加工度而非营养组成来看待食物,假设加工可能与食物成分对健康同样相关。超加工食品(UPF)一词指工业制造的即食或即热配方,主要或完全由从食物中提取的物质或源自食物成分的物质制成,通常含有添加的fl
【主题与分类】
主题标签:Diet Habit、Diet, Healthy、Child Obesity、Parents、Nutrition, Healthy。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/NCT05784376
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/NCT05784376
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:饮食习惯、饮食、健康、儿童肥胖、父母、营养、健康。儿童肥胖是全球范围内的重大公共卫生问题,父母在儿童饮食行为中发挥着强有力的作用。以往大多数研究几乎完全通过评估食物成分(即热量、宏量和微量营养素含量)来分析父母和儿童的饮食,对食物加工程度的关注很少或几乎没有。NOVA分类法被提出作为一种新的视角,基于食物的加工程度而非其营养成分来看待食物,假设加工可能与食物成分对健康同样重要。超加工食品(UPF)一词指的是工业化生产的即食或即热配方食品,其大部分或全部由从食物中提取的物质或源自食物成分的物质制成,通常含有添加的香料、色素、乳化剂和其他装饰性添加剂。最重要的是,这些工业配方食品通过将高热量成分与化学添加剂相结合,旨在最大限度地提高适口性和消费量。
全球范围内稳健且实施良好的队列研究发现,饮食中UPF占比较大与较短生存期及非传染性疾病风险增加相关。鉴于UPF在全球乃至地中海国家的日益流行,食品加工问题应在相关膳食建议中优先考虑,并强调摄入最低限度加工/未加工食品。ICARO研究由两部分组成,即研究1(观察性)和研究2(干预性研究)。ICARO研究(研究1)的主要目标是:1. 评估参与者(即儿童、青少年及其父母/照护者)的饮食,包括食物成分(即热量、宏量和微量营养素含量),并辅以基于食品加工评估的及时创新方法,这与以下理念一致:食物的营养平衡仅是其整体健康潜力的一小部分
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。




