高血清胱抑素C水平与妊娠期糖尿病风险关系数据
目的：近期研究表明，血清胱抑素C（CysC）与2型糖尿病（T2DM）的发病率及向糖尿病前期状态的进展相关。本研究旨在探讨中国孕妇血清CysC与妊娠期糖尿病（GDM）风险之间的关系
基本信息
资源简介
高血清胱抑素C水平与妊娠期糖尿病风险关系数据
该数据集英文名为“Data from: Relationship between high serum cystatin C levels and the risk of gestational diabetes mellitus”，来源于doi.org，由Dryad机构发布，发布时间为2017年。数据集作者包括Zhao, Weijing、Pan, Jiemin、Li, Huaping、Huang, Yajuan、Liu, Fang、Tao, Minfang和Jia, Weiping。本站将其归类于内分泌、营养和代谢疾病下的糖尿病领域。该数据集围绕中国孕妇血清胱抑素C（CysC）水平与妊娠期糖尿病（GDM）风险之间的关系展开，属于一项横断面研究的数据资料。源站描述显示，研究纳入400名孕妇，其中111例为GDM，289例为正常糖耐量，孕周为24至28周，并依据CysC四分位数将受试者分为四组进行比较。该数据集采用Creative Commons Zero v1.0 Universal许可协议发布。
【数据集背景】
近期研究表明，血清胱抑素C（CysC）与2型糖尿病（T2DM）的发病率以及向糖尿病前期状态的进展存在关联。基于这一背景，本研究旨在探讨中国孕妇血清CysC与妊娠期糖尿病（GDM）风险之间的关系。妊娠期糖尿病是孕期常见的代谢异常，其发生与胰岛素抵抗等因素密切相关。该数据集即围绕这一研究目的形成，聚焦于中国孕妇人群，试图为GDM的风险评估提供血清标志物方面的线索。源站描述中提及，研究通过横断面设计，对孕24至28周的孕妇进行观察，比较不同糖代谢状态下的CysC水平差异，从而探索其与GDM风险之间的潜在联系。
【数据内容】
该数据集的内容对应一项横断面研究，共纳入400名孕妇。其中，111名被诊断为妊娠期糖尿病（GDM），289名糖耐量正常。研究对象的孕周为24至28周。源站描述指出，受试者进一步依据血清CysC的四分位数被划分为四组，并对其临床特征进行比较。研究中，血清CysC浓度采用免疫比浊法测定，胰岛素抵抗程度则通过稳态模型评估胰岛素抵抗指数（HOMA-IR）进行评价。结果方面，源站描述显示，GDM孕妇的血清CysC水平显著高于健康孕妇。关于数据集的具体变量字段、样本量之外的详细人口学信息、临床指标完整列表以及数据文件格式等，源站未提供。
【采集与来源】
该数据集来源于doi.org，由Dryad机构发布，发布时间为2017年。作者包括Zhao, Weijing、Pan, Jiemin、Li, Huaping、Huang, Yajuan、Liu, Fang、Tao, Minfang和Jia, Weiping。源站描述说明，研究为横断面研究，对象为中国孕妇，孕周24至28周。血清CysC浓度使用免疫比浊法测量，胰岛素抵抗程度通过HOMA-IR评估。关于数据采集的具体地点、时间跨度、伦理审批信息、样本招募方式以及数据收集流程等，源站未提供。
【适用场景】
该数据集可用于探讨中国孕妇人群中血清胱抑素C水平与妊娠期糖尿病风险之间的关系。其适用方向包括：分析GDM孕妇与正常糖耐量孕妇之间血清CysC水平的差异；依据CysC四分位数分组比较临床特征；结合HOMA-IR评估胰岛素抵抗与CysC的关联；以及为妊娠期糖尿病风险标志物的后续研究提供参考。由于数据集涉及内分泌、营养和代谢疾病下的糖尿病领域，也可用于代谢性疾病与孕期健康交叉方向的研究。但具体适用场景需结合源站描述及数据实际内容判断，源站未提供更详细的适用建议。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据下载后的处理步骤、统计软件要求、变量编码说明、分析脚本或推荐的分析流程等。使用者需依据源站描述中提及的研究设计、分组方式、检测方法和评价指标，自行判断如何开展二次分析。由于源站未提供数据字典或格式说明，使用前应查阅源站页面获取进一步信息。
【质量与限制】
该数据集为横断面研究，源站描述中提及样本量为400名孕妇，其中GDM 111例、正常糖耐量289例，孕周24至28周。研究采用免疫比浊法测定血清CysC，并以HOMA-IR评估胰岛素抵抗。源站描述显示GDM孕妇血清CysC水平显著高于健康孕妇。关于数据的完整性、缺失值情况、测量误差、混杂因素控制、统计效能、外部有效性以及是否经过同行评审等质量相关信息，源站未提供。此外，该研究聚焦中国孕妇人群，其结论外推至其他人群时需谨慎。源站未提供更多限制说明。
【引用与许可】
该数据集的许可协议为Creative Commons Zero v1.0 Universal。引用时需使用数据集英文名“Data from: Relationship between high serum cystatin C levels and the risk of gestational diabetes mellitus”，并列出作者Zhao, Weijing、Pan, Jiemin、Li, Huaping、Huang, Yajuan、Liu, Fang、Tao, Minfang和Jia, Weiping，来源站为doi.org，发布机构为Dryad，发布时间为2017年。关于具体的引用格式、DOI标识符以及许可协议的完整条款，源站未提供。
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.g0d1d
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 400.9 KB。
数据说明
目的：近期研究表明，血清胱抑素C（CysC）与2型糖尿病（T2DM）的发病率及向糖尿病前期状态的进展相关。本研究旨在探讨中国孕妇血清CysC与妊娠期糖尿病（GDM）风险之间的关系。方法：本横断面研究纳入400名孕妇，其中111例患有GDM，289例糖耐量正常，孕周为24-28周。根据CysC四分位数将受试者进一步分为四组，并比较其临床特征。采用免疫比浊法测定血清CysC浓度，采用稳态模型评估胰岛素抵抗指数（HOMA-IR）评估胰岛素抵抗程度。结果：GDM孕妇的血清CysC水平显著高于健康孕妇[1.0（0.8-1.8）vs 0.7（0.6-1.0），P<0.01]。Spearman相关分析显示，血清CysC与HOMA-IR（r=0.118，P<0.05）及GDM的发生（r=0.348，P<0.01）呈正相关。
根据血清CysC浓度将孕妇分为四分位数。与第一四分位数相比，在调整年龄、BMI、HbA1c和HOMA-IR后，Q2（OR，2.441；P=0.025）、Q3（OR，3.383；P=0.001）和Q4（OR，5.516；P<0.001）的孕妇发生GDM的风险更高。此外，随着血清CysC升高，HOMA-IR水平呈上升趋势（P<0.05）。在调整其他混杂变量后进行二元logistic回归分析，显示血清CysC与GDM之间存在显著的独立关联[OR=14.269；95%置信区间，4.977-40.908，P<0.01]。受试者工作特征曲线分析显示，血清CysC提示GDM的最佳截断点为0.95mg/L。结论：血清CysC与胰岛素抵抗和GDM显著且独立相关。它可能是一种有用的生物标志物，t
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。
