数据集概述
本数据集围绕妊娠期糖尿病（GDM）风险因素展开，包含基于文献统计显著相关性构建的有向网络（DMG网络）的邻接矩阵、Python分析脚本及可视化结果，支持网络拓扑指标计算与临床流行病学网络研究的可重复性。
文件详解
该数据集包含11个文件，具体说明如下：
- 核心数据文件:
- adjacency matrix.txt: TXT格式，二进制邻接矩阵文件，行和列对应相同变量集，1表示存在有向连接，0表示不存在。
- Python脚本文件:
- 7-core_python code.txt: TXT格式，Python脚本，用于识别和提取有向图的7-core子图。
- 分析结果文件（TXT格式）:
- Betweenness Centrality Kamada-kawai_2025.txt: 中介中心性分析结果
- Eigenvector centrality kamada-kawai_2025.txt: 特征向量中心性分析结果
- Closeness Centrality Kamada-kawai_2025.txt: 接近中心性分析结果
- 可视化结果文件（PNG格式）:
- 7-core_2025.png: 7-core子图可视化图
- CDM_2025.png: 网络可视化图
- Betweenness centrality_ Kamada-Kawai.png: 中介中心性可视化图
- Eigenvector centrality_Kamada-Kawai.png: 特征向量中心性可视化图
- Closeness centrality_Kamada-Kawai.png: 接近中心性可视化图
适用场景
- 临床流行病学研究: 分析妊娠期糖尿病风险因素间的网络关联结构
- 生物信息学分析: 探究临床、生化及行为变量的拓扑关系与核心指标
- 医学数据方法学研究: 验证网络分析（如k-core分解、中心性计算）在慢性病风险评估中的应用
- 公共卫生决策支持: 识别妊娠期糖尿病防控的关键风险节点，辅助干预策略制定
