绝经后乳腺癌幸存者运动训练对糖尿病风险指标影响数据集
该数据集来自 search.dataone.org,聚焦绝经后乳腺癌幸存者的糖尿病风险指标。源站描述显示,研究纳入15名未达到体力活动指南的绝经后乳腺癌幸存者,实施为期12周的有监督有氧运动计划,通过五次采样的口服葡萄糖耐量试验测定餐后胰岛素峰值和胰岛素曲线下面积,并评估胰岛素敏感性

基本信息
资源简介
绝经后乳腺癌幸存者运动训练对糖尿病风险指标影响数据集
Metrics of diabetes risk are only minimally improved by exercise training in postmenopausal breast cancer survivors
该数据集来自 search.dataone.org,聚焦绝经后乳腺癌幸存者的糖尿病风险指标。源站描述显示,研究纳入15名未达到体力活动指南的绝经后乳腺癌幸存者,实施为期12周的有监督有氧运动计划,通过五次采样的口服葡萄糖耐量试验测定餐后胰岛素峰值和胰岛素曲线下面积,并评估胰岛素敏感性。数据可用于分析运动训练对空腹及餐后胰岛素抵抗的影响,以及这些指标与癌症相关生物标志物的关联(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):背景 胰岛素抵抗是乳腺癌复发的危险因素。运动训练如何改变乳腺癌幸存者的空腹和餐后胰岛素抵抗尚不清楚。目的 评估运动引起的餐后胰岛素浓度、胰岛素抵抗变化及其与乳腺癌幸存者癌症相关生物标志物的关联。地点 马萨诸塞大学运动机能学系。参与者 15名未达到体力活动指南(每周150分钟运动)的绝经后乳腺癌幸存者。干预 一项有监督的12周有氧运动计划(每天60分钟,每周3-4天)。主要结局指标 餐后胰岛素通过五次采样的口服葡萄糖耐量试验中的胰岛素峰值和胰岛素曲线下面积(iAUC)确定。胰岛素敏感性通过Matsuda估计
【主题与分类】
主题标签:Insulin resistance、Hyperinsulinemia、Aromatase inhibitors。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A8780bb4fd1927cb2dc9d6d42a0a6fc03245ee11242a583f548f9f4c5a5a6b35d
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
背景 胰岛素抵抗是乳腺癌复发的危险因素。运动训练如何改变乳腺癌幸存者空腹及糖负荷后的胰岛素抵抗尚不清楚。目的 评估运动引起的乳腺癌幸存者糖负荷后胰岛素浓度、胰岛素抵抗的变化及其与癌症相关生物标志物的关联。场所 马萨诸塞大学运动机能学系。参与者 15名未达到身体活动指南(每周150分钟运动)的绝经后乳腺癌幸存者。干预 为期12周的有监督有氧运动计划(每天60分钟,每周3-4天)。主要结局指标 糖负荷后胰岛素通过五次采血口服葡萄糖耐量试验中的胰岛素峰值和胰岛素曲线下面积(iAUC)确定。胰岛素敏感性通过Matsuda复合胰岛素敏感性指数(C-ISI)估算。体适能变化及……
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。




