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？
nguyenvy/cleaned_nhanes_1988_2018|健康与营养数据集|数据清洗数据集
收藏hugging_face2024-05-16 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/nguyenvy/cleaned_nhanes_1988_2018
下载链接
链接失效反馈资源简介：
国家健康与营养调查（NHANES）数据集提供了1988年至2018年美国非机构化人口的健康和营养调查数据，包含135,310名参与者和5,078个变量。这些变量分为10个主要类别：人口统计（281个变量）、饮食消费（324个变量）、生理功能（1,040个变量）、职业（61个变量）、问卷（1,444个变量，如体育活动、医疗状况、糖尿病、生殖健康、血压和胆固醇、儿童早期）、药物（29个变量）、与国家死亡指数相关的死亡率信息（15个变量）、调查权重（857个变量）、环境暴露生物标志物测量（598个变量）以及指示测量值是否低于或高于检测下限的化学评论（505个变量）。数据集以CSV和R格式提供，并附有数据字典和清理文档。此外，还提供了R脚本和示例代码，帮助用户进行数据分析和模型构建。
提供机构：
nguyenvy
原始信息汇总
数据集概述
数据集名称
国家健康与营养检查调查（NHANES）数据集
数据集内容
该数据集通过整合614个独立文件，统一了NHANES III（1988-1994）和连续调查（1999-2018）的无限制数据，总计包含135,310名参与者和5,078个变量。这些变量涵盖以下类别：
- 人口统计（281个变量）
- 饮食消费（324个变量）
- 生理功能（1,040个变量）
- 职业（61个变量）
- 问卷调查（1444个变量，如体力活动、医疗状况、糖尿病、生殖健康、血压和胆固醇、早期儿童）
- 药物（29个变量）
- 从国家死亡指数链接的死亡信息（15个变量）
- 调查权重（857个变量）
- 环境暴露生物标志物测量（598个变量）
- 化学评论，指示哪些测量值低于或高于检测下限（505个变量）
数据记录格式
- CSV数据记录：包括23个.csv文件和1个excel文件。其中，20个.csv文件涉及10个模块，每个模块有两个文件，一个未清洗版本和一个清洗版本。此外，还包括变量字典和协调类别字典。
- R数据记录：为使用R语言的研究人员提供，包括清洗后的NHANES模块和数据字典，以.zip文件形式提供，包含.RData文件和.R文件。
示例代码
提供四个R markdown文件，用于帮助用户进行暴露分析，包括数据集合并、模型建立、统计计算和多重回归分析的示例代码。
AI搜集汇总
数据集介绍
构建方式
在构建nguyenvy/cleaned_nhanes_1988_2018数据集时，研究者通过整合美国国家健康与营养检查调查（NHANES）的614个独立文件，实现了对NHANES III（1988-1994）和连续调查（1999-2018）数据的统一处理。这一过程涉及对135,310名参与者和5,078个变量的数据进行清洗和标准化，确保了数据的一致性和可用性。具体操作包括合并不同模块的数据、消除不一致性，并生成详细的清洗文档，以记录所有受影响变量的处理细节。
特点
nguyenvy/cleaned_nhanes_1988_2018数据集的显著特点在于其广泛的数据覆盖和细致的分类。该数据集涵盖了从人口统计、饮食消费到生理功能、职业信息等多个领域的281至1444个变量。此外，数据集还包括与环境暴露、药物使用、死亡信息以及调查权重相关的详细记录。这些丰富的数据类型和详细的分类为研究者提供了深入分析美国非机构化人口健康和环境暴露的宝贵资源。
使用方法
使用nguyenvy/cleaned_nhanes_1988_2018数据集时，研究者可以通过提供的CSV和R数据文件进行数据导入和分析。数据集包括20个CSV格式的清洗版本文件和相应的数据字典，以及一个包含所有数据集的RData文件。此外，研究者可以使用提供的R Markdown示例代码，逐步学习如何合并数据集、进行加权回归分析、计算摘要统计以及运行多重回归模型。这些资源旨在帮助用户有效地利用数据集进行健康和环境暴露的深入研究。
背景与挑战
背景概述
国家健康与营养检查调查（NHANES）数据集自1988年至2018年收集，由美国非机构化人口的健康和环境暴露数据组成，具有重要的研究潜力。该数据集由614个独立文件合并而成，涵盖了135,310名参与者和5,078个变量，涉及人口统计、饮食消费、生理功能、职业、问卷调查、药物、死亡信息、调查权重、环境暴露生物标志物测量及化学评论等多个领域。主要研究人员通过统一和规范这些数据，旨在为大规模分析提供高质量的数据基础，从而推动健康和环境暴露研究的发展。
当前挑战
NHANES数据集在构建过程中面临多重挑战。首先，原始数据存在多种不一致性，需要进行复杂的处理和清洗。其次，数据集的规模庞大，涉及多个模块和变量，增加了数据整合和管理的难度。此外，数据集的多样性和复杂性要求研究人员具备高度的专业知识和技能，以确保数据的质量和一致性。最后，数据集的广泛应用需要提供详尽的数据字典和示例代码，以帮助用户理解和使用数据，这增加了数据集的维护和更新成本。
常用场景
经典使用场景
在公共卫生领域，nguyenvy/cleaned_nhanes_1988_2018数据集的经典使用场景主要集中在对美国非机构化人口的健康和营养状况进行大规模分析。通过整合和清洗来自NHANES III（1988-1994）和连续调查（1999-2018）的614个独立文件，该数据集提供了135,310名参与者和5,078个变量的统一数据，涵盖了从人口统计、饮食消费到生理功能、职业、问卷调查、药物使用、死亡信息、调查权重、环境暴露生物标志物测量等多个维度。这些数据为研究人员提供了丰富的资源，用于探索和分析美国人口的健康状况及其与环境因素的关系。
实际应用
在实际应用中，nguyenvy/cleaned_nhanes_1988_2018数据集被广泛用于公共卫生政策制定、疾病预防和健康促进项目。例如，研究人员可以利用该数据集分析不同饮食习惯与慢性疾病之间的关系，从而为营养指南的制定提供科学依据。此外，数据集中的环境暴露生物标志物测量数据可用于评估环境污染对公众健康的影响，为环境保护政策的制定提供支持。通过这些实际应用，该数据集在改善公众健康和提升生活质量方面发挥了重要作用。
衍生相关工作
基于nguyenvy/cleaned_nhanes_1988_2018数据集，许多经典工作得以展开。例如，有研究利用该数据集分析了长期暴露于特定环境污染物与心血管疾病发病率之间的关系，为环境健康研究提供了新的视角。此外，还有研究通过该数据集探讨了不同社会经济因素对健康状况的影响，揭示了社会不平等与健康结果之间的复杂联系。这些研究不仅丰富了公共卫生领域的知识体系，还为政策制定者提供了重要的参考依据，推动了相关领域的进一步发展。
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
The Sol Genomics Network (SGN)
The Sol Genomics Network (SGN) 是一个专注于茄科植物基因组学研究的在线数据库和资源平台。该数据集包含了大量关于番茄、马铃薯、辣椒等茄科植物的基因组、遗传图谱、分子标记、QTL（数量性状位点）分析、表达数据以及相关文献等信息。SGN 旨在促进茄科植物的遗传学和基因组学研究，支持全球科研人员进行数据共享和合作。
solgenomics.net 收录
Hang Seng Index
恒生指数（Hang Seng Index）是香港股市的主要股票市场指数，由恒生银行旗下的恒生指数有限公司编制。该指数涵盖了香港股票市场中最具代表性的50家上市公司，反映了香港股市的整体表现。
www.hsi.com.hk 收录
QM9
QM9数据集包含134k个有机小分子化合物的量子化学计算结果，涵盖了12个量子化学性质，如分子能量、电离能、电子亲和能等。
quantum-machine.org 收录
LUNA16
LUNA16（肺结节分析）数据集是用于肺分割的数据集。它由 1,186 个肺结节组成，在 888 次 CT 扫描中进行了注释。
OpenDataLab 收录