坚果摄入与非酒精性脂肪肝风险数据
非酒精性脂肪肝患者与对照的坚果摄入量及风险关联病例对照数据。
基本信息
资源简介
坚果摄入与非酒精性脂肪肝风险数据
【数据集背景】
本数据集源站标题为《Data from: Nut intake and non-alcoholic fatty liver disease risk》。
【数据内容】
源站原始描述：Abstract Objectives: Nut consumption has been associated with a lower risk of type 2 diabetes, metabolic syndrome, and insulin resistance. However, its effect on the risk of non-alcoholic fatty liver disease (NAFLD) is unknown. Therefore, we investigated the relationship between nut consumption and NAFLD risk. Setting and participants: We conducted a retrospective case-control study including 534 patients diagnosed with NAFLD and 534 controls matched by sex and age (± 5) from the Affiliated Nanp…
中文译文（机器翻译，仅供快速理解，请以原文为准）：摘要 目的：坚果摄入与2型糖尿病、代谢综合征和胰岛素抵抗风险降低相关。然而，其对非酒精性脂肪性肝病（NAFLD）风险的影响尚不清楚。因此，我们研究了坚果摄入与NAFLD风险之间的关系。 研究地点与参与者：我们在中国福建医科大学附属南平第一医院开展了一项回顾性病例对照研究，纳入534例诊断为NAFLD的患者和534例按性别和年龄（±5岁）匹配的对照。 主要结局指标：采用半定量食物频率问卷收集膳食摄入信息，并计算坚果摄入量。根据对照组每日坚果摄入量的分布，将坚果摄入量按四分位数分类。采用二元logistic回归模型估计坚果摄入与NAFLD风险之间关联的比值比（OR）和95%置信区间（CI）。 结果：在调整潜在混杂变量后，坚果摄入与总体样本中的NAFLD风险无关。当完全校正模型按性别分层时，仅在男性最高四分位组中发现高坚果摄入与NAFLD之间存在显著负相关（OR = 0.
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.8nn2j46。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.8nn2j46
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/dataset/doi:10.5061/dryad.8nn2j46
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:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
