面包研究:斯佩耳特小麦面包与小麦面包耐受性比较
该数据集来自 clinicaltrials.gov,围绕非乳糜泻麸质敏感与小麦不耐受人群,比较斯佩耳特小麦面包与小麦面包的耐受性

基本信息
资源简介
面包研究:斯佩耳特小麦面包与小麦面包耐受性比较
该数据集来自 clinicaltrials.gov,围绕非乳糜泻麸质敏感与小麦不耐受人群,比较斯佩耳特小麦面包与小麦面包的耐受性。源站描述指出,小麦可触发小麦过敏与乳糜泻,两者患病率约1%;非乳糜泻小麦敏感(NCWS)的机制尚不明确,但已通过双盲安慰剂对照激发试验证实,麸质、α-淀粉酶胰蛋白酶抑制剂或可发酵碳水化合物(FODMAPs)可能为触发因素。有报告称自诊NCWS者常更能耐受斯佩耳特产品,尽管其麸质含量更高,因此需要客观验证。数据可用于相关耐受性研究与免疫系统疾病分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):状况:非乳糜泻麸质敏感、小麦不耐受。已知小麦谷物能够触发小麦过敏和乳糜泻。这两种疾病的患病率约为1%。最近,另一种临床实体被描述出来,即非乳糜泻小麦敏感(NCWS)。NCWS的起源和机制目前尚不清楚,但双盲安慰剂对照激发试验已证明这一新疾病实体的存在。三种不同的谷物成分被提出作为NCWS的触发因素:麸质、α-淀粉酶胰蛋白酶抑制剂或可发酵碳水化合物(FODMAPs)。据报道,自诊为NCWS的个体往往对斯佩耳特产品的耐受性要好得多,尽管斯佩耳特的小麦麸质含量高于面包小麦产品。因此,问题在于这种推测的斯佩耳特耐受性能否在客观基础上得到证实,以及
【主题与分类】
主题标签:Non-celiac Gluten Sensitivity、Wheat Intolerance。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04401956
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/NCT04401956
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
疾病:非乳糜泻麸质敏感、小麦不耐受。已知小麦谷物能够引发小麦过敏和乳糜泻。这两种疾病的患病率约为1%。近来,另一种临床实体被描述,即非乳糜泻小麦敏感(NCWS)。目前NCWS的起源和机制尚不清楚,但双盲安慰剂对照激发试验已证实这一新疾病实体的存在。已提出三种不同的谷物成分作为NCWS的触发因素:麸质、α-淀粉酶胰蛋白酶抑制剂或可发酵碳水化合物(FODMAPs)。据报道,自诊为NCWS的个体往往对斯佩耳特小麦产品的耐受性要好得多,尽管斯佩耳特小麦的麸质含量高于面包小麦产品。因此,问题随之而来:这种推定的斯佩耳特小麦耐受性能否在客观基础上得到证实,以及其潜在的分子机制能否被阐明。迄今为止,针对此类问题的人体研究尚缺乏。本项目旨在验证以下假设:在自诊为小麦敏感的目标人群中,斯佩耳特小麦产品比面包小麦产品更具耐受性。
此外,还将揭示不同制造工艺对小麦敏感性的影响。为此,该试验纳入了自诊为小麦敏感但耐受斯佩耳特小麦的个体。将测试六种不同的面包,包括4种小麦和斯佩耳特面包,每种均按传统或常规方式生产。此部分旨在在特定人群中客观评估面包小麦和斯佩耳特小麦不耐受情况。为探究FODMAPs或麸质是否影响面包耐受性,还将测试另外两种面包:一种添加了麸质的无麸质面包,以及一种添加了FODMAPs的无麸质面包。
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。




