PCOS 纵向代谢评估研究

该数据集来自 clinicaltrials.gov,为一项前瞻性观察性队列研究,聚焦多囊卵巢综合征(PCOS)女性在临床随访中的纵向代谢变化与心肺运动能力

Karadeniz Technical UniversityKaradeniz Technical University
clinicaltrials
浏览 9
其他回归Polycystic Ovarian Syndrome (PCOS)
Longitudinal Metabolic Assessment in PCOS

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-10-10

资源简介

PCOS 纵向代谢评估研究

该数据集来自 clinicaltrials.gov,为一项前瞻性观察性队列研究,聚焦多囊卵巢综合征(PCOS)女性在临床随访中的纵向代谢变化与心肺运动能力。研究对象为 18-45 岁、经典 A 型表型且已开始肌醇治疗的 PCOS 女性。基线时使用 COSMED K5 代谢系统进行心肺运动试验,评估 VO₂max/VO₂peak 及运动相关代谢参数,并通过生物电阻抗分析测量体脂百分比、去脂体重、脂肪量和相位角;两个月后重复相同测量以评估纵向变化。数据可用于分析 PCOS 患者代谢状态与运动能力的随访演变(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:多囊卵巢综合征(PCOS)。这项前瞻性观察性队列研究旨在评估多囊卵巢综合征(PCOS)女性代谢状态和心肺运动能力的纵向变化。将纳入 18-45 岁、已开始肌醇治疗的经典 A 型表型 PCOS 女性。基线时,参与者将使用 COSMED K5 代谢系统进行心肺运动试验,评估 VO₂max/VO₂peak 及运动相关代谢参数。还将使用生物电阻抗分析评估身体成分,包括体脂百分比、去脂体重、脂肪量和相位角。两个月后将重复相同测量以评估纵向变化。主要目标是在临床随访期间定量评估 PCOS 患者的代谢反应,使用

【主题与分类】

主题标签:Polycystic Ovarian Syndrome (PCOS)。本站分类:呼吸系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07869017

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07869017

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:多囊卵巢综合征(PCOS)。本前瞻性观察性队列研究旨在评估多囊卵巢综合征(PCOS)女性代谢状态和心肺运动能力的纵向变化。将纳入年龄在18-45岁、具有经典A表型PCOS并已开始接受肌醇治疗的女性。在基线时,参与者将使用COSMED K5代谢系统进行心肺运动试验,评估VO₂max/VO₂peak及运动相关代谢参数。还将使用生物电阻抗分析评估身体成分,包括体脂百分比、去脂体重、脂肪量和相位角。两个月后将重复相同的测量,以评估纵向变化。主要目的是使用心肺运动试验定量评估PCOS患者在临床随访期间的代谢反应。次要目的是描述治疗期间代谢参数的时间变化特征。

本研究旨在使用COSMED K5心肺运动试验和生物电阻抗分析,评估接受肌醇治疗的经典表型PCOS女性在两个月随访期内其心肺运动能力和代谢参数的纵向变化。

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。

获取专属数据定制方案