代谢综合征

该数据集以表格形式提供了与代谢综合征相关的临床和人口统计学数据,包括血压、血糖、血脂和腰围等健康指标,主要用于研究代谢综合征的风险因素、构建疾病预测模型以及支持公共卫生领域的流行病学分析和健康干预策略评估。

Albert AntonyAlbert Antony
kaggle
2023-10-27 更新
浏览 34
healthhealth conditions
Metabolic Syndrome

基本信息

大小
0.00016289 GB
许可
CC0: Public Domain
创建/更新时间
2023-10-27
版本
v2

资源简介

代谢综合征

【数据集背景】

本数据集源站标题为《Metabolic Syndrome》。源站首次发布:2023-10-27。

【数据内容】

源站原始描述:This dataset contains information on individuals with metabolic syndrome, a complex medical condition associated with a cluster of risk factors for cardiovascular diseases and type 2 diabetes. The data includes demographic, clinical, and laboratory measurements, as well as the presence or absence of metabolic syndrome. **Column Descriptors:** - seqn: Sequential identification number. - Age: Age of the individual. - Sex: Gender of the individual (e.g., Male, Female). - Marital: Marital status of…

【数据结构与技术规格】

文件数 1 个,合计 162.89 KB。

【主题与分类】

主题标签:health、health conditions。

【获取与许可】

源站页面:https://www.kaggle.com/datasets/antimoni/metabolic-syndrome

使用许可:CC0: Public Domain。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

需登录

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。

暂未开放

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

方式一:KaggleHub(Python,推荐 AI Agent 使用)

# 前置依赖: pip install kagglehub
import kagglehub

path = kagglehub.dataset_download("antimoni/metabolic-syndrome")
print("数据已下载至:", path)

方式二:Kaggle CLI(命令行)

# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d antimoni/metabolic-syndrome
unzip metabolic-syndrome.zip -d metabolic-syndrome/

数据说明

该数据集是一个关于代谢综合征的综合性健康数据集合,主要包含与代谢综合征相关的风险因素和健康指标数据,如血压、血糖、血脂、腰围等临床测量值,以及可能的人口统计学信息。数据来源于公开的健康调查或临床研究,通过结构化表格形式整理,旨在支持对代谢综合征的流行病学分析、风险预测模型构建、疾病关联研究以及公共卫生策略评估。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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。

获取专属数据定制方案