抗胆碱能药物：MCI发生的潜在可干预风险因素
该数据集来自search.dataone.org，聚焦抗胆碱能药物（aCH）作为轻度认知障碍（MCI）潜在可干预风险因素的研究
基本信息
资源简介
抗胆碱能药物：MCI发生的潜在可干预风险因素
Anticholinergic medications: A potentially modifiable risk factor for development of MCI
该数据集来自search.dataone.org，聚焦抗胆碱能药物（aCH）作为轻度认知障碍（MCI）潜在可干预风险因素的研究。数据覆盖688名认知正常老年人，包含10年随访的MCI进展风险及3年记忆、执行功能、语言下降速率，并涉及APOE ε4基因型与脑脊液AD病理生物标志物的交互效应。可用于分析aCH暴露与认知衰退的关联、评估遗传与生物标志物风险因素，以及构建MCI进展预测模型（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：目的：确定抗胆碱能药物（aCH）在认知正常老年人中的认知后果，以及遗传和脑脊液（CSF）阿尔茨海默病（AD）风险因素的交互效应。方法：评估了来自阿尔茨海默病神经影像学倡议的688名认知正常参与者（平均年龄=73.5岁，49.6%为女性）。Cox回归检验了10年内进展为轻度认知障碍（MCI）的风险，线性混合效应模型检验了3年内记忆、执行功能和语言下降速率作为aCH的函数。还评估了与APOE 4基因型和CSF生物标志物证据的AD病理的交互作用。结果：aCH+参与者进展为MCI的风险增加（HR=1.42，p=.02），并且存在显著的aCH×AD风险交互作用，使得（aCH+）（&[epsilon]4+）个体
【主题与分类】
主题标签：[ 205 ] Neuropsychological assessment、[ 116 ] Medical care。本站分类：神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Abadcc20c2a886efe82c6890ab5c4f3599c83ed218aa0abce42ebdcde5ffb2908
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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:
数据说明
目的：确定抗胆碱能药物（aCH）在认知正常老年人中造成的认知后果，以及遗传和脑脊液（CSF）阿尔茨海默病（AD）危险因素的交互作用。方法：评估了来自阿尔茨海默病神经影像学计划的688名认知正常参与者（平均年龄=73.5岁，49.6%为女性）。采用Cox回归分析10年内进展为轻度认知障碍（MCI）的风险，并采用线性混合效应模型分析3年内记忆、执行功能和语言衰退速度与aCH的关系。同时评估了与APOE 4基因型及CSF生物标志物所示AD病理的交互作用。结果：aCH+参与者进展为MCI的风险增加（HR=1.42，p=.02），且存在显著的aCH×AD风险交互作用，即（aCH+）（&[epsilon]4+）个体相对于（aCH…
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。
