妊娠期糖尿病遗传易感性、孟德尔随机化与列线图模型构建数据
该数据集来自 Dryad,包含受试者基本临床信息与遗传变异信息,临床指标涵盖空腹血糖、口服葡萄糖耐量试验1小时和2小时血糖、糖化血红蛋白、收缩压、舒张压、甘油三酯、总胆固醇、高密度脂蛋白胆固醇和低密度脂蛋白胆固醇,并提供用于分层分析的各指标均值变量

基本信息
资源简介
妊娠期糖尿病遗传易感性、孟德尔随机化与列线图模型构建数据
Data from: Genetic susceptibility, Mendelian randomization and nomogram model construction of gestational diabetes mellitus
该数据集来自 Dryad,包含受试者基本临床信息与遗传变异信息,临床指标涵盖空腹血糖、口服葡萄糖耐量试验1小时和2小时血糖、糖化血红蛋白、收缩压、舒张压、甘油三酯、总胆固醇、高密度脂蛋白胆固醇和低密度脂蛋白胆固醇,并提供用于分层分析的各指标均值变量。遗传变异信息用于分析功能多态性与妊娠期糖尿病的关联。数据可用于妊娠期糖尿病的遗传易感性研究、孟德尔随机化分析及列线图预测模型构建(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2024。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含受试者基本信息,包括检测样本编号、空腹血糖(FPG)、口服葡萄糖耐量试验1小时血糖(1hPG)、口服葡萄糖耐量试验2小时血糖(2hPG)、糖化血红蛋白(HbA1c)、收缩压(SBP)、舒张压(DBP)、甘油三酯(TG)、总胆固醇(TC)、高密度脂蛋白胆固醇(HDL-c)、低密度脂蛋白胆固醇(LDL-c),还涉及用于分析功能多态性与GDM关联的受试者遗传变异信息。变量包括SBP_M、DBP_M、FPG_M、1hPG_M、2hPG_M、HbA1c_M、TG_M,分别代表SBP、DBP、FPG、1hPG、2hPG、HbA1c、TG的均值,用于分层分析。本研究已获得桂林医学院伦理委员会的支持。所有纳入的受试者
【主题与分类】
主题标签:gestational diabetes mellitus、Functional polymorphism、Genetic susceptibility。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://datadryad.org/dataset/doi:10.5061/dryad.rv15dv4g6
使用许可:Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.rv15dv4g6
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 123.7 KB。
数据说明
该数据集包含受试者的基本信息,包括检测样本的识别编号、空腹血糖(FPG)、口服葡萄糖耐量试验1小时血糖(1hPG)、口服葡萄糖耐量试验2小时血糖(2hPG)、糖化血红蛋白(HbA1c)、收缩压(SBP)、舒张压(DBP)、甘油三酯(TG)、总胆固醇(TC)、高密度脂蛋白胆固醇(HDL-c)、低密度脂蛋白胆固醇(LDL-c),还涉及用于分析功能多态性与GDM关联的受试者遗传变异信息。变量SBP_M、DBP_M、FPG_M、1hPG_M、2hPG_M、HbA1c_M、TG_M分别代表SBP、DBP、FPG、1hPG、2hPG、HbA1c、TG的均值,用于分层分析。本研究已获得桂林医学院伦理委员会的支持。所有纳入受试者均签署了知情同意书。
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。




