肺动脉高压睡眠碎片化与阻塞性睡眠呼吸暂停：14项睡眠特征的系统孟德尔随机化研究
该数据集为一项系统孟德尔随机化研究的补充材料，研究主题为肺动脉高压中睡眠碎片化与阻塞性睡眠呼吸暂停的因果关系，覆盖14项睡眠特征
基本信息
资源简介
肺动脉高压睡眠碎片化与阻塞性睡眠呼吸暂停：14项睡眠特征的系统孟德尔随机化研究
Sleep Fragmentation and Obstructive Sleep Apnea in Pulmonary Arterial Hypertension: A Systematic Mendelian Randomization Study of 14 Sleep Traits
该数据集为一项系统孟德尔随机化研究的补充材料，研究主题为肺动脉高压中睡眠碎片化与阻塞性睡眠呼吸暂停的因果关系，覆盖14项睡眠特征。数据包含遗传工具变量完整列表、孟德尔随机化完整结果、共定位分析输出、反向MR散点图与显著关联位点比较图，以及额外敏感性与质量控制流程的详细说明。这些材料可用于复现和扩展该研究的因果推断分析，支撑阻塞性睡眠呼吸暂停与客观睡眠碎片化作为肺动脉高压独立因果风险因素的发现（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2025-12-25。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含题为“Sleep Fragmentation and Obstructive Sleep Apnea in Pulmonary Arterial Hypertension: A Systematic Mendelian Randomization Study of 14 Sleep Traits”手稿的补充材料。它包括：1. 补充表（S1-S4）：遗传工具变量完整列表、孟德尔随机化完整结果以及共定位分析输出。2. 补充图（S1-S3）：反向MR分析的散点图以及显著关联的位点比较图。3. 补充方法：额外敏感性与质量控制流程的详细描述。这些材料提供了支持该研究主要发现的基础数据和扩展分析，该研究发现阻塞性睡眠呼吸暂停（OSA）和客观睡眠碎片化（以睡眠片段数量NSE衡量）是肺动脉高压的独立因果风险因素。
【数据结构与技术规格】
文件数 1 个，合计 14.03 MB。数据集 DOI：10.17632/d9y537z8bf.1。
【主题与分类】
主题标签：肺动脉高压、阻塞性睡眠呼吸暂停、睡眠碎片化、孟德尔随机化、睡眠特征、共定位分析、补充材料。本站分类：循环系统疾病/其他。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/d9y537z8bf
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://data.mendeley.com/datasets/d9y537z8bf
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:
数据集大小约 14.0 MB。
数据说明
wenxiu niu (2025). Sleep Fragmentation and Obstructive Sleep Apnea in Pulmonary Arterial Hypertension: A Systematic Mendelian Randomization Study of 14 Sleep Traits [Dataset]. http://doi.org/10.17632/d9y537z8bf.1
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。
