xpertsystems/hc-end-003-sample

HC-END-003肥胖症合成数据集（样本）是一个广泛、基于生理学基础的合成肥胖患者队列，涵盖人口统计学和社会决定因素、人体测量学和身体成分、代谢并发症、激素/脂肪因子谱、减肥干预措施、抗肥胖药物治疗（GLP-1/双重激动剂）、减重手术结果、生活方式和行为因素，以及基于埃德蒙顿（EOSS）分期的结局/生活质量。该存储库包含一个500行、单种子的样本。完整的商业产品可扩展至25,000多名患者，提供CSV/Parquet/JSON格式。数据集包括164列，涉及多个模块：人口统计学与社会决定因素、人体测量学与身体成分、代谢指标、激素与脂肪因子、干预措施、药物治疗、减重手术、生活方式与行为、结局与生活质量。该数据集经过验证，具有确定性再现性，并公开了生成器的局限性，适用于研究/开发用途，但不用于临床决策。HC-END-003 — Obesity Synthetic Dataset (Sample) is a wide, physiologically grounded synthetic cohort of obesity patients spanning demographics & social determinants, anthropometrics & body composition, metabolic complications, hormonal/adipokine profiles, weight-loss interventions, anti-obesity pharmacotherapy (GLP-1 / dual agonists), bariatric surgery outcomes, lifestyle & behavioral factors, and outcomes/QoL with Edmonton (EOSS) staging. This repository contains a 500-row, single-seed sample. The full commercial product scales to 25,000+ patients with CSV / Parquet / JSON delivery. The dataset includes 164 columns across modules such as demographics & SDOH, anthropometrics & body composition, metabolic, hormonal & adipokine, interventions, pharmacotherapy, bariatric surgery, lifestyle & behavioral, and outcomes & QoL. It is validated for deterministic reproduction, with disclosed generator limitations, intended for research/development use only, not for clinical decision-making.

搜集汇总

数据集介绍

构建方式

HC-END-003肥胖症合成数据集（样本）由XpertSystems.ai的合成数据工厂构建，专注于内分泌学垂直领域。该数据集基于生理学原理，通过引擎模拟生成覆盖肥胖患者全貌的宽表数据，包含人口统计学与社会决定因素、人体测量学与身体成分、代谢并发症、激素与脂肪因子谱、减重干预措施、抗肥胖药物疗法（GLP-1/双激动剂）、减重手术结局、生活方式与行为因素以及结局与生活质量（Edmonton EOSS分期）等九大模块。样本包含500名患者×164列字段，采用确定性种子生成以确保可重复性，并通过A+级验证（10.000/10分）证实其结构一致性。

特点

该数据集的核心特点在于其生理学锚定与透明披露机制。各项指标均基于权威来源校准，如NHANES、STEP-1、SURMOUNT-1、STAMPEDE及SOS研究等，确保统计分布合理。数据集明确披露了引擎已知偏差，如T2DM共病率偏高（~77%）、干预分配不足、FIB-4为占位符而非验证公式等，体现了高度透明性。所有字段通过确定性种子可完全复现，跨六个标准种子[42, 7, 123, 2024, 99, 1]生成的结果完全一致，保障了科学研究的可重复性，尤其适用于对真实世界患者数据进行隐私保护替代的机器学习建模场景。

使用方法

用户可通过Pandas直接加载CSV文件进行探索，也可利用Hugging Face Datasets库方便地读取数据。数据集适用于多种研究场景，包括抗肥胖药物疗法建模（GLP-1/双激动剂减重轨迹）、减重手术结局与共病缓解预测（如STAMPEDE/SOS风格）、代谢综合征与NAFLD筛查队列原型设计、健康经济学与成本效益建模，以及基于EOSS的风险分层工具开发。用户需注意数据集的高T2DM共病率特征，可筛选t2dm_years_to_onset字段获取发病率样式子集，或根据研究目标调整干预分配率。该数据仅供研究开发使用，不可用于临床决策。

背景与挑战

背景概述

随着肥胖症全球流行趋势的加剧，代谢性疾病与体重管理已成为内分泌学领域的核心研究课题。在此背景下，XpertSystems.ai团队于2026年发布了HC-END-003肥胖症合成数据集，旨在为抗肥胖药物疗效评估、减重手术结局预测及代谢综合征风险分层等研究提供高质量的标准化数据资源。该数据集以500名模拟患者、164项特征维度的样本形式呈现，涵盖人口统计学、人体测量学、代谢并发症、激素及脂肪因子谱、药物与手术干预及生活质量评估等多个模块，并基于NHANES、STEP-1、SURMOUNT-1、STAMPEDE及瑞典肥胖受试者研究等权威文献进行生理学锚定校准。该数据集填补了真实电子健康记录因受保护健康信息限制而难以公开共享的空白，为机器学习模型训练与卫生经济学建模提供了可复现、可扩展的合成数据基础。

当前挑战

该数据集在构建与应用过程中面临多重挑战。首先，所解决的领域问题聚焦于真实肥胖症电子健康数据的隐私受限与样本稀疏性——模型训练常因数据不可获取而受阻，而合成数据需要在保持临床合理性的同时规避患者隐私风险。其次，构建过程中需解决生理学一致性难题：跨模块变量间的复杂非线性关联（如BMI与代谢并发症的耦合）难以通过简单分布拟合精准复现，导致部分指标存在偏差。具体表现为2型糖尿病合并症发生率（约77%）显著高于NHANES肥胖队列的40–55%，干预分配比例因累积概率消耗而低于预设目标，FIB-4肝纤维化评分采用非标准计算式，以及HOMA-IR异常值范围过宽。这些偏差虽在验证报告中明确披露，但要求使用者将其视为高合并症富集队列，或通过特征过滤实现亚组校准。

常用场景

经典使用场景

在代谢与肥胖研究领域，HC-END-003样本数据集因其丰富的生理学锚定特征而备受青睐，常用于构建与验证抗肥胖药物疗效预测模型。研究者可借助其中涵盖的GLP-1受体激动剂（如司美格鲁肽）及双激动剂（如替尔泊肽）的用药轨迹、体重变化曲线及不良事件记录，系统评估不同药物治疗方案的个体化应答差异，为精准肥胖管理提供数据支撑。

实际应用

在实际应用中，该数据集为医疗科技企业提供了低成本、高保真的算法原型测试环境。制药公司可基于其中合成的药代动力学与体重变化数据优化新型减重药物剂量策略；健康管理平台利用Edmonton肥胖分期系统和生活质量评分构建风险预警工具，辅助临床医生制定个性化的生活方式干预方案，提升肥胖综合管理的效率与可及性。

衍生相关工作

围绕该数据集衍生出一系列开创性工作，包括基于STAMPEDE和SOS研究范式的减重手术结局建模、融合多种社会决定因素的肥胖进展轨迹预测框架，以及模拟NHANES流行病学特征的代谢综合征筛查队列。此外，研究人员利用其公开的验证指标与多种子复现特性，推动了合成数据质量评估方法论的发展，为同类临床合成数据集的设计提供了重要参考标准。