非囊性纤维化支气管扩张患者的营养状况与摄入研究
该数据集来自 clinicaltrials.gov,聚焦非囊性纤维化支气管扩张(NCFB)患者,旨在刻画其营养状况与膳食摄入

基本信息
资源简介
非囊性纤维化支气管扩张患者的营养状况与摄入研究
该数据集聚焦于非囊性纤维化支气管扩张(NCFB)患者群体,旨在刻画其营养状况与膳食摄入情况。研究在区域诊所开展,参与者按照其标准照护路径接受常规评估,同时额外采集了通过皮褶测量获得的体成分数据、握力数据,以及连续3天通过24小时多次回顾法收集的膳食摄入信息。这些数据用于建立基线测量与知识,以支持理解营养状况在该人群中的影响。数据集来源于clinicaltrials.gov,属于呼吸道疾病/支气管扩张分类,主题标签为非囊性纤维化支气管扩张。
【数据集背景】
非囊性纤维化支气管扩张是一种慢性呼吸道疾病,患者常面临营养状况改变的风险。该数据集所依托的研究关注的是在区域诊所就诊的支气管扩张患者群体,目的是系统性地描述这一人群的营养状况和膳食摄入特征。研究设计强调在常规照护路径之外,补充收集体成分、肌肉功能和膳食摄入等多维度信息,从而为后续理解营养因素在疾病管理中的作用奠定基线。
【数据内容】
数据集包含的核心内容围绕营养状况与膳食摄入展开。具体而言,参与者接受了体成分测量,采用皮褶测量法;同时采集了握力数据,用以反映肌肉功能;膳食摄入信息则通过连续3天的24小时多次回顾法收集。这些数据共同构成了对参与者营养状态的多角度刻画。此外,参与者还按照其标准照护路径接受了常规评估,但常规评估的具体项目未在源站描述中详细列出。
【采集与来源】
数据来源于clinicaltrials.gov,研究在区域诊所进行,参与者为在该诊所就诊的非囊性纤维化支气管扩张患者。采集方式包括:体成分通过皮褶测量,握力通过握力计测量,膳食摄入通过3天24小时多次回顾法。所有参与者均按标准照护路径接受常规评估,额外测量和调查用于研究目的。源站未提供具体的采集时间范围、样本量、招募方式等细节。
【适用场景】
该数据集适用于需要了解非囊性纤维化支气管扩张患者营养状况与膳食摄入特征的研究场景。例如,可用于探索营养状态与疾病管理之间的关系,或作为基线数据支持后续纵向研究。由于数据包含体成分、握力和膳食摄入等多维度信息,也可用于比较不同营养评估方法在该人群中的适用性。源站未提供具体的适用分析类型或统计方法建议。
【使用方法】
源站未提供具体的使用方法说明。通常,此类数据可用于描述性统计、相关性分析或作为更大规模研究的基线参考。使用者需注意数据采集的背景和目的,结合研究设计合理选择分析策略。源站未提供数据格式、变量定义或访问方式等操作细节。
【质量与限制】
源站未提供关于数据质量、缺失值、偏倚控制或验证结果的信息。已知的限制包括:数据来自单一区域诊所,可能影响外推性;膳食摄入依赖24小时多次回顾法,可能存在回忆偏倚;体成分通过皮褶测量,其准确性受操作者技术影响。源站未提供样本量、随访时长或混杂因素控制等具体信息。
【引用与许可】
源站未提供引用格式、许可条款或数据共享政策。使用者应直接参考clinicaltrials.gov上该研究的相关记录以获取引用和许可信息。
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/NCT06877091
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:非囊性纤维化支气管扩张症。本研究旨在描述来自某地区诊所的支气管扩张症患者群体的营养状况和膳食摄入特征。参与者按照其标准照护路径接受常规评估,此外还通过皮褶厚度测量收集身体成分、握力以及通过24小时多次回顾法收集3天膳食摄入信息。此举旨在建立基线测量和知识,以支持理解营养状况在该群体中的影响。
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。




