基于病例对照研究与孟德尔随机化的妊娠期糖尿病因果推断及风险预测

数据集获取

源站：https://doi.org/10.5061/dryad.gmsbcc322

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。

数据集大小约 71.9 KB。

数据说明

目的：评估中国人群中妊娠期糖尿病（GDM）的因果决定因素及其风险预测效能。方法：收集554例GDM患者和641例糖耐量正常孕妇的候选基因变异基因分型数据。采用比值比（OR）及其相应的95%置信区间（CI）评估这些变异与GDM风险之间的关联。采用多变量孟德尔随机化（MVMR）验证GDM因果因素。随后，基于所识别的关键临床和遗传因素，构建GDM早期风险预测列线图模型。结果：在调整年龄和孕前BMI（pre-BMI）后，rs6127416变异显示与GDM易感性显著相关。比较AA基因型与TT基因型，调整后OR为2.20（95%CI = 1.53-3.18，P <0.001）；比较AA与TT/TA基因型，调整后OR为2.35（95%CI = 1.68-3.30，P <0.001）。MVMR分析证实了孕前BMI和空腹血糖（FPG）对GDM的正向因果效应（孕前BMI-ORMVMR = 1.80，FPG-ORMVMR = 12.37，P < 0.001）。

一个纳入孕前BMI、空腹血糖（FPG）和rs6127416的列线图风险预测模型，其ROC曲线下面积为0.808。结论：孕前BMI和FPG被确定为与GDM相关的因果因素。利用关键临床和遗传变量（如rs6127416-孕前BMI-FPG）构建的预测模型，在妊娠早期对GDM进行个体化风险评估具有良好应用前景，有望支持早期识别高危女性，并促进产前保健期间及时采取生活方式或临床干预。

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。