86项RCT提取数据：阿尔茨海默病多病共存干预网络Meta分析
本站分类：神经系统疾病/阿尔茨海默病。本数据集为神经系统疾病领域公开数据集，由Zenodo提供，主题涵盖gut microbiota。
基本信息
资源简介
86项RCT提取数据：阿尔茨海默病多病共存干预网络Meta分析
本数据集为一项针对阿尔茨海默病多病共存干预措施的网络荟萃分析所提取的随机对照试验数据集合，英文名称为“Data extracted from 86 RCTs for network meta-analysis of Alzheimer's disease multimorbidity interventions”。数据集由Zenodo提供，来源站为doi.org，作者为Laiyi, Du与Yue, Ma，发布时间为2026年，采用Creative Commons Attribution 4.0 International许可。其主题涵盖阿尔茨海默病、网络荟萃分析、脑–肠–肌轴、传统中医、睡眠障碍、肠道微生物群、肌肉减少症及系统综述等方向，本站分类归入神经系统疾病／阿尔茨海默病。该数据集面向神经系统疾病领域的研究者公开，核心内容围绕86项随机对照试验所提取的结局数据展开，可用于支持相关系统综述与网络荟萃分析的证据整合工作。
【数据集背景】
该数据集来源于一项系统综述与网络荟萃分析，研究主题为“Network Meta-analysis and Umbrella Review of Western Medicine Versus Traditional Chinese Medicine Interventions for Older Adults with Alzheimer's Disease Complicated by Sleep Rhythm Disturbance, Gut Dysbiosis, and Sarcopenia Through the Brain–Gut–Muscle Axis”。该研究聚焦老年阿尔茨海默病患者，关注其合并睡眠节律紊乱、肠道菌群失调与肌肉减少症的情形，并从脑–肠–肌轴的角度比较西医学与传统中医学干预措施。数据集即为该研究中纳入的86项随机对照试验的提取数据，服务于上述系统综述与网络荟萃分析的证据合成目的。
【数据内容】
数据集包含从86项随机对照试验中提取的结局数据。数据字段涵盖研究特征，包括作者、年份、国家、样本量、阿尔茨海默病严重程度、干预措施、对照措施及持续时间；同时包含结局效应量及其95%置信区间，涉及MMSE、PSQI、ASMI与Shannon指数等指标；此外还记录不良事件发生率以及GRADE证据确定性评级。上述字段共同构成了对各项试验研究层面与结局层面信息的结构化整理。
【采集与来源】
数据集的来源站为doi.org，由Zenodo提供并发布，作者为Laiyi, Du与Yue, Ma，发布时间为2026年。数据内容源自86项随机对照试验的提取结果，属于系统综述与网络荟萃分析过程中的数据整理产物。源站未提供关于具体检索策略、筛选流程、数据提取人员培训及提取工具等更详细的采集方法信息。
【适用场景】
该数据集适用于神经系统疾病领域，尤其是阿尔茨海默病相关研究。其主题标签涵盖网络荟萃分析、脑–肠–肌轴、传统中医、睡眠障碍、肠道微生物群、肌肉减少症与系统综述，因此可服务于针对老年阿尔茨海默病合并睡眠节律紊乱、肠道菌群失调及肌肉减少症的干预比较研究、证据合成与二次分析等场景。对于关注西医学与传统中医学干预措施对比的研究者，该数据集提供了可供参考的结局数据基础。
【使用方法】
使用者可依据Creative Commons Attribution 4.0 International许可获取并使用该数据集。由于数据集包含研究特征、效应量及置信区间、不良事件率与GRADE确定性等结构化字段，可用于网络荟萃分析的重新分析、结果复核或方法学探讨。源站未提供关于具体软件操作、数据读取格式或分析代码的说明。
【质量与限制】
数据集包含GRADE证据确定性评级与不良事件发生率等字段，可为证据质量评估提供参考。其数据来自86项随机对照试验，样本来源具有一定规模。但源站未提供关于纳入试验的偏倚风险、异质性处理、发表偏倚评估及数据缺失情况等更详细的质量控制信息，使用者在解释结果时需结合原始研究背景加以判断。
【引用与许可】
该数据集采用Creative Commons Attribution 4.0 International许可，允许在署名前提下使用与传播。作者为Laiyi, Du与Yue, Ma，由Zenodo发布，发布时间为2026年，来源站为doi.org。使用时应遵循该许可的署名要求，并引用相应数据集。
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/10.5281/zenodo.21370797
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 19.1 KB。
数据说明
本数据集包含从86项随机对照试验中提取的结局数据，这些试验被纳入系统评价和网状Meta分析：“通过网络Meta分析和伞状评价比较西药与中医干预措施治疗伴有睡眠节律紊乱、肠道菌群失调和肌少症的阿尔茨海默病老年患者：基于脑-肠-肌肉轴”。数据字段包括研究特征（作者、年份、国家、样本量、AD严重程度、干预措施、对照措施、持续时间）、带有95%置信区间的结局效应量（MMSE、PSQI、ASMI、Shannon指数）、不良事件发生率以及GRADE证据确定性。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
