估算美国预期寿命：识别环境决定因素与差异（2003至2019年）
一个包含CAMS和ERA5环境变量以及IHME提供的美国2003至2019年预期寿命数据的存储库。还包括用于处理环境数据、预期寿命数据以及应用机器学习模型的相应代码
基本信息
资源简介
估算美国预期寿命：识别环境决定因素与差异（2003至2019年）
该数据集名为“Estimating Life Expectancy in the U.S.: Identifying Environmental Determinants and Disparities (2003 to 2019)”，是一个面向环境健康与公共卫生研究的开放存储库。其核心内容整合了两类关键数据：来自CAMS和ERA5的环境变量，以及IHME提供的美国2003至2019年预期寿命数据。除数据本身外，存储库还包含用于处理环境数据、预期寿命数据以及应用机器学习模型的配套代码。该数据集由Ruwali, Shisir、Lary, David、Shrestha, Samyak和Ahmad, Faiz共同完成，发布于Zenodo平台，采用Creative Commons Attribution 4.0 International许可，便于研究者获取、使用和共享。
【数据集背景】
该数据集聚焦于美国范围内环境因素与预期寿命之间关系的量化研究。通过整合长时间序列的环境暴露数据和健康结局数据，旨在识别影响预期寿命的环境决定因素，并揭示不同地区或人群之间可能存在的健康差异。数据集覆盖2003年至2019年，为分析环境质量变化与人群健康趋势之间的关联提供了基础。其发布平台为Zenodo，属于开放科学存储库，有助于推动环境流行病学和相关机器学习应用的可重复研究。
【数据内容】
数据集包含两大类数据。第一类是环境变量数据，来源于CAMS和ERA5。其中CAMS数据覆盖2003年至2021年，ERA5数据覆盖2003年至2019年。第二类是预期寿命数据，来源于IHME，覆盖美国2003年至2019年。此外，存储库还提供了用于处理环境数据、预期寿命数据以及应用机器学习模型的代码。环境数据在存储时具有明确的目录结构要求：需创建Weather_Data文件夹，其内部分别创建CAMS和ERA5子文件夹；在CAMS文件夹内按年份创建单独文件夹（例如2003），并存放对应年份的天气数据；在ERA5文件夹内同样按年份创建文件夹（例如2003），并存放相应的ERA5数据。
【采集与来源】
环境变量数据分别来自CAMS和ERA5两个来源。CAMS数据的时间范围为2003年至2021年，ERA5数据的时间范围为2003年至2019年。预期寿命数据来自IHME，时间范围为2003年至2019年，地理范围为美国。数据集的整体发布机构为Zenodo。作者包括Ruwali, Shisir、Lary, David、Shrestha, Samyak和Ahmad, Faiz。发布时间为2026年。源站未提供更详细的数据采集方法、原始站点信息或具体处理流程。
【适用场景】
该数据集适用于环境健康、公共卫生、流行病学以及机器学习交叉领域的研究。典型应用包括：分析CAMS和ERA5所代表的环境变量与美国各区域预期寿命之间的统计关联；利用机器学习模型识别影响预期寿命的关键环境决定因素；探讨不同地区或人群间由环境暴露差异导致的健康不平等现象。此外，由于提供了配套的数据处理代码和建模代码，该数据集也可用于方法学复现、模型比较或作为环境健康数据科学的教学案例。
【使用方法】
使用该数据集时，需按照源站描述组织环境数据目录结构。首先创建Weather_Data文件夹，然后在其内部创建CAMS和ERA5两个子文件夹。对于CAMS数据，在CAMS文件夹内按年份创建单独文件夹，例如2003，并将对应年份的天气数据放入其中。对于ERA5数据，在ERA5文件夹内同样按年份创建文件夹，例如2003，并将相应的ERA5数据放入其中。存储库还包含用于处理环境数据、预期寿命数据以及应用机器学习模型的代码，用户可参考这些代码进行数据预处理、特征工程和模型训练。源站未提供具体的运行环境、依赖库版本或代码调用示例。
【质量与限制】
该数据集的时间覆盖范围存在不一致：CAMS数据覆盖2003年至2021年，而ERA5数据和IHME预期寿命数据均覆盖2003年至2019年。因此，在联合分析时，可用的共同时间窗口为2003年至2019年。此外，数据集仅针对美国，地理范围有限。源站未提供关于数据缺失率、空间分辨率、时间分辨率、数据质量控制方法或机器学习模型性能指标等信息。用户在使用时需自行评估环境变量与预期寿命数据在时空尺度上的匹配程度。
【引用与许可】
该数据集采用Creative Commons Attribution 4.0 International许可，允许在署名原作者的前提下进行共享、改编和商业使用。引用时需注明数据集名称、作者Ruwali, Shisir、Lary, David、Shrestha, Samyak和Ahmad, Faiz，以及发布平台Zenodo和发布时间2026年。源站未提供具体的DOI或推荐引用格式。
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。
暂未开放公开下载
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。
免登录有偿下载
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
源站：https://doi.org/10.5281/zenodo.23199935
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 33.22 GB。
数据说明
一个包含2003年至2019年美国CAMS和ERA5环境变量以及IHME预期寿命数据的存储库。还包括用于处理环境数据、预期寿命数据以及应用机器学习模型的相应代码。对于环境数据，创建一个名为Weather_Data的文件夹。在此文件夹内创建CAMS和ERA5。在CAMS内为年份创建单独的文件夹，例如：2003，并将相应的天气数据保存在这里。在ERA5文件夹内为年份创建文件夹，例如2003，并将相应的ERA5数据保存在那里。CAMS数据涵盖2003年至2021年，ERA5数据涵盖2003年至2019年。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。
