有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
China Health and Nutrition Survey (CHNS)|健康监测数据集|营养调查数据集
收藏www.cpc.unc.edu2025-03-04 收录
下载链接：
http://www.cpc.unc.edu/projects/china
下载链接
链接失效反馈资源简介：
China Health and Nutrition Survey（CHNS）是一项由美国北卡罗来纳大学人口中心与中国疾病预防控制中心营养与健康所合作开展的长期开放性队列研究项目，旨在评估国家和地方政府的健康、营养与家庭计划政策对人群健康和营养状况的影响，以及社会经济转型对居民健康行为和健康结果的作用。该调查覆盖中国15个省份和直辖市的约7200户家庭、超过30000名个体，采用多阶段随机抽样方法，收集了家庭、个体以及社区层面的详细数据，包括饮食、健康、经济和社会因素等信息。自2011年起，CHNS不断扩展，新增多个城市和省份，并持续完善纵向数据链接，为研究中国社会经济变化与健康营养的动态关系提供了重要的数据支持。
提供机构：
www.cpc.unc.edu
AI搜集汇总
数据集介绍
构建方式
China Health and Nutrition Survey（CHNS）是一项综合性的家庭调查，旨在研究中国居民的健康和营养状况。该数据集通过分层、多阶段、随机抽样的方法构建，覆盖了九个省、自治区和直辖市。调查采用面对面问卷的形式，收集了包括个人和家庭的社会经济特征、健康状况、饮食习惯等详细信息。
特点
CHNS数据集具有以下显著特点：一、时间跨度长，自1989年开始，每隔几年进行一次，为研究者提供了观察健康和营养状况长期变化的机会；二、内容全面，涵盖了儿童、成人、老人等多年龄段，以及多种健康和营养指标；三、数据质量高，通过严格的调查和质控程序，保证了数据的可靠性和有效性。
使用方法
用户在使用CHNS数据集时，应首先熟悉数据集的基本结构和内容，然后根据研究需求选择相应的变量。数据集通常以CSV或SAS格式提供，可通过统计软件进行数据分析。同时，用户应遵循数据使用的伦理规范，保护受访者的隐私，并在研究中给予适当的引用。
背景与挑战
背景概述
China Health and Nutrition Survey（CHNS）是一项始于1989年的长期追踪调查，由美国北卡罗来纳大学教堂山分校与中国疾病预防控制中心联合开展。该数据集聚焦于中国居民的健康状况与营养摄入，旨在探索社会经济变迁对健康的影响，为公共卫生政策制定提供科学依据。CHNS数据集收集了涵盖个人、家庭及社区层面的多维数据，对全球健康研究产生了深远影响。
当前挑战
CHNS数据集在研究领域面临的挑战包括：1）数据收集过程中的跨文化差异，如何确保问卷设计的准确性与适用性；2）追踪调查中的样本流失问题，这对数据连续性与完整性的影响；3）数据分析时，如何处理多维数据间的复杂交互作用，以及如何准确解读社会经济变量与健康结果之间的关联。
发展历史
创建时间与更新
China Health and Nutrition Survey（CHNS）数据集的创建始于1989年，自此每隔数年便进行更新，以追踪中国居民的健康与营养状况，至今已积累大量宝贵数据，但具体的更新时间节点尚无确切记录。
重要里程碑
CHNS数据集的重要里程碑包括1991年首次发布数据，此后在2000年、2004年、2009年及2015年进行了多次大规模的数据采集与更新。这些数据为研究中国经济发展与居民健康、营养状况的关系提供了坚实基础，尤其在公共卫生政策制定方面产生了深远影响。
当前发展情况
当前，CHNS数据集已成为研究中国人口健康和营养变化的重要资源，对全球健康研究及中国公共卫生政策的制定与优化贡献显著。该数据集持续关注生活方式变化对健康的影响，为相关领域的研究提供了宝贵的一手资料。
发展历程
- 中国健康与营养调查（China Health and Nutrition Survey，简称CHNS）项目启动，旨在收集中国居民的健康与营养数据。
- CHNS完成第一次调查，覆盖了全国八大区域的城市与农村。
- 第二次CHNS调查开展，进一步扩大了数据收集范围。
- 第三次调查实施，继续追踪中国居民健康状况的变化。
- 第四次调查完成，此时CHNS已成为研究中国健康与营养状况的重要数据库。
- 第五次调查启动，CHNS数据集开始广泛应用于国内外学术研究。
- 第六次调查进行，CHNS数据集继续丰富，为政策制定提供支持。
- 第七次调查完成，CHNS数据集的影响力日益扩大。
- 第八次调查实施，CHNS数据集成为研究中国健康与营养问题不可或缺的资源。
常用场景
经典使用场景
在社会科学研究领域，China Health and Nutrition Survey（CHNS）数据集被广泛用于分析中国居民的健康状况与营养摄入情况。其经典使用场景在于，研究者通过对CHNS中包含的个体、家庭及社区层面的多维数据进行分析，揭示社会经济因素、饮食习惯与健康结果之间的复杂关联。
解决学术问题
CHNS数据集解决了众多学术研究中的关键问题，如评估社会经济地位对健康状况的影响，分析饮食习惯变迁对健康结局的作用，以及探讨不同地区健康差异的成因。该数据集为研究者提供了宝贵的定量证据，增强了研究的深度与说服力。
衍生相关工作
基于CHNS数据集，学术界衍生了大量的相关研究工作。这些研究不仅包括对原始数据的深入分析，还包括了数据集的扩展应用，如构建健康预测模型、开展跨区域健康比较研究，以及探索健康不平等的社会决定因素。这些后续工作进一步扩大了CHNS数据集的影响力和应用范围。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国区域地面气象要素驱动数据集 v2.0（1951-2024）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 74 年（1951~2024 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致，仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新，以修正其长期趋势存在的问题。
国家青藏高原科学数据中心 收录
OpenSonarDatasets
OpenSonarDatasets是一个致力于整合开放源代码声纳数据集的仓库，旨在为水下研究和开发提供便利。该仓库鼓励研究人员扩展当前的数据集集合，以增加开放源代码声纳数据集的可见性，并提供一个更容易查找和比较数据集的方式。
github 收录
flames-and-smoke-datasets
该仓库总结了多个公开的火焰和烟雾数据集，包括DFS、D-Fire dataset、FASDD、FLAME、BoWFire、VisiFire、fire-smoke-detect-yolov4、Forest Fire等数据集。每个数据集都有详细的描述，包括数据来源、图像数量、标注信息等。
github 收录
CMNEE（Chinese Military News Event Extraction dataset）
CMNEE（Chinese Military News Event Extraction dataset）是国防科技大学、东南大学和清华大学联合构建的一个大规模的、基于文档标注的开源中文军事新闻事件抽取数据集。该数据集包含17,000份文档和29,223个事件，所有事件均基于预定义的军事领域模式人工标注，包括8种事件类型和11种论元角色。数据集构建遵循两阶段多轮次标注策略，首先通过权威网站获取军事新闻文本并预处理，然后依据触发词字典进行预标注，经领域专家审核后形成事件模式。随后，通过人工分批、迭代标注并持续修正，直至满足既定质量标准。CMNEE作为首个专注于军事领域文档级事件抽取的数据集，对推动相关研究具有显著意义。
github 收录
GREAT Dataset
我们提出了GREAT数据集：一个从复杂城市环境中车辆搭载平台收集的新型多传感器原始观测数据集，具有高精度多频GNSS接收器、战术级IMU、MEMS IMU、两个CMOS相机和LiDAR。所有这些传感器实现了硬件级别的时间同步，并且它们的时空关系得到了良好的校准。该数据集包括八个序列，涵盖武汉大学校园和城市郊区的环境。该数据集旨在评估各种多传感器融合导航算法的性能。
github 收录