百万英国女性体重指数、饮食、缺乏运动与痴呆发病率数据
该数据集来自 datadryad.org，基于一项纳入1,136,846名英国女性、平均年龄56岁的前瞻性队列研究，记录基线时身高、体重、热量摄入与缺乏运动情况，并通过电子链接至National Health Service记录随访至2017年，检测因痴呆住院的情况
基本信息
资源简介
百万英国女性体重指数、饮食、缺乏运动与痴呆发病率数据
Data from: Body mass index, diet, physical inactivity and the incidence of dementia in one million UK women
该数据集来自 datadryad.org，基于一项纳入1,136,846名英国女性、平均年龄56岁的前瞻性队列研究，记录基线时身高、体重、热量摄入与缺乏运动情况，并通过电子链接至National Health Service记录随访至2017年，检测因痴呆住院的情况。数据可用于分析中年肥胖、低BMI、低热量摄入和缺乏运动与不同随访期痴呆检出率的关系，支持痴呆风险因素的因果推断与方法学稳健性研究（来源 Dryad，https://spdx.org/licenses/CC0-1.0.html 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：目的：为帮助确定中年肥胖是否为痴呆的病因，以及低BMI、低热量摄入和缺乏运动是痴呆逐渐起病的原因还是仅仅为其结果，我们在一项为期20年的大型前瞻性研究中早期记录了这些因素，并将它们与随访期0-4年、5-9年、10-14年和15年以上分别的痴呆检出率相关联。方法：1996-2001年招募了1,136,846名英国女性，平均年龄56（SD=5）岁，询问其身高、体重、热量摄入和缺乏运动情况。通过电子链接至National Health Service记录随访至2017年，检测提及痴呆的住院记录。Cox回归得出特定随访期内首次痴呆检出的调整率比（RRs）。结果：基线调查15年后，仅1%失访，89%仍存活且
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.3s755j8。
【主题与分类】
主题标签：Vascular dementia、Cohort studies、Alzheimer's disease、Cognitive Disorders/Dementia。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.3s755j8
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/stash/dataset/doi:10.5061/dryad.3s755j8
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 2.3 MB。
数据说明
Sarah Floud; Rachel F Simpson; Angela Balkwill; Anna Brown; Adrian Goodill; John E. Gallacher; Cathie L.M. Sudlow; Phillip Harris; Albert Hofman; Sarah Parish; Gillian K Reeves; Jane Green; Richard Peto; Valerie Beral (2020). Body mass index, diet, physical inactivity and the incidence of dementia in one million UK women [Dataset]. http://doi.org/10.5061/dryad.3s755j8
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。
