DASH-Obesity：面向青少年与年轻肥胖及慢性病患者的家庭中心个性化体重控制可解释AI研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07638345

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：1型糖尿病、T1D、肥胖与超重、肥胖型2型糖尿病、急性哮喘、哮喘（诊断）。DASH-Obesity临床子研究旨在探讨Adhera肥胖关怀数字项目（ACDP-O）在受超重/肥胖及慢性疾病影响的青少年和青年家庭成员中的可行性、可接受性和初步有效性。该干预措施利用一个移动数字健康平台，整合了教育内容、行为支持、心理测量监测、可穿戴设备生成的数字生物标志物以及可解释的基于AI的分析。参与者包括超重/肥胖合并1型糖尿病的青少年和青年、超重/肥胖合并哮喘的青少年和青年，以及一个由正常体重的1型糖尿病患者组成的对照队列。该研究采用前瞻性、单臂、前后对照篮式试验设计。参与者将完成基线评估，参与干预90天，并完成干预后及随访评估。

结局指标包括可行性、可接受性、心理健康、生活质量、照护者负担、可用性、参与度以及疾病特异性临床指标。

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。