妊娠期糖尿病相关风险因素研究数据集
该数据集包含用于构建妊娠期糖尿病（GDM）有向网络并计算其拓扑指标的完整邻接矩阵与Python脚本。网络基于文献中统计显著（p < 0.05）的临床、生化及行为变量相关性构建，邻接矩阵为二值格式，行列对应同一有序变量集
基本信息
资源简介
妊娠期糖尿病相关风险因素研究数据集
A Study on Risk Factors Associated with Gestational Diabetes Mellitus.
该数据集包含用于构建妊娠期糖尿病（GDM）有向网络并计算其拓扑指标的完整邻接矩阵与Python脚本。网络基于文献中统计显著（p < 0.05）的临床、生化及行为变量相关性构建，邻接矩阵为二值格式，行列对应同一有序变量集。脚本兼容Python 3.x，涵盖网络构建、可视化及结构分析，如度中心性、接近中心性、介数中心性和特征向量中心性、k-core分解（7-core）以及通过整数线性规划识别最小支配集。数据可用于复现网络分析流程并探索GDM相关变量的网络结构（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2025-08-12。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含用于构建有向网络（DMG网络）并计算其拓扑指标的完整邻接矩阵和Python脚本。该网络基于文献中报告的统计显著相关性（p < 0.05），表示与妊娠期糖尿病（GDM）相关的临床、生化及行为变量。邻接矩阵以二值格式呈现（1 = 存在有向连接；0 = 不存在），其结构为行和列对应同一有序变量集。Python脚本（兼容Python 3.x）包含网络构建、可视化及结构分析的代码，例如：度中心性、接近中心性、介数中心性和特征向量中心性。k-core分解（7-core）。通过整数线性规划（ILP）识别最小支配集（MDS）。所有文件均提供
【数据结构与技术规格】
文件数 11 个，合计 867.49 KB。数据集 DOI：10.17632/s92w2sb5ng.1。
【主题与分类】
主题标签：妊娠期糖尿病、风险因素、有向网络、拓扑指标、邻接矩阵、Python脚本。本站分类：内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/s92w2sb5ng
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/s92w2sb5ng
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 867.5 KB。
数据说明
Isabel Lorenzo (2025). A Study on Risk Factors Associated with Gestational Diabetes Mellitus. [Dataset]. http://doi.org/10.17632/s92w2sb5ng.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。
