国会选区健康仪表板(CDHD)
该资源提供 2019 至 2023 年覆盖美国全部国会选区的可靠数据,包含 40 项健康及健康影响因素指标,归入健康行为、社会与经济因素、物理环境、健康结局和临床护理五大领域

基本信息
资源简介
国会选区健康仪表板(CDHD)
Congressional District Health Dashboard (CDHD)
国会选区健康仪表板(CDHD)由 NYU Grossman School of Medicine 人口健康系与 Robert Wood Johnson Foundation 合作开发,于 2023 年 1 月发布。该资源提供 2019 至 2023 年覆盖美国全部国会选区的可靠数据,包含 40 项健康及健康影响因素指标,归入健康行为、社会与经济因素、物理环境、健康结局和临床护理五大领域。数据涵盖空气污染、预期寿命、缺乏运动、糖尿病率、无保险和儿童贫困等指标,可供政策制定者、倡导者、社区成员和国会议员评估本地区优势与挑战并推动积极改变(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):国会选区健康仪表板(CDHD)于 2023 年 1 月发布,由 NYU Grossman School of Medicine 人口健康系与 Robert Wood Johnson Foundation 合作开发。作为首个此类资源,CDHD 目前提供 2019 至 2023 年的可靠数据,代表美国所有国会选区的 40 项健康及影响健康的因素指标。这些指标代表五个关键领域:健康行为、社会与经济因素、物理环境、健康结局和临床护理。空气污染、预期寿命、缺乏运动、糖尿病率、无保险和儿童贫困等指标的数据可供政策制定者、倡导者、社区成员和国会议员使用,以评估其所在地区的优势与挑战,并帮助推动积极改变。
【主题与分类】
主题标签:Income、Diabetes、Earth and Environmental Sciences、Cancer、Population、Death、Social Factors、Hypertension、General Population、Internet。本站分类:内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A29f5d1ee306cc49db5a3fa07a28dabeae3689f78c44cd40d50c594bee3a6c21d
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
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:
数据说明
国会选区健康仪表盘(CDHD)于2023年1月发布,由纽约大学格罗斯曼医学院人口健康系与罗伯特·伍德·约翰逊基金会合作开发。作为同类资源中的首创,CDHD目前提供2019至2023年的可靠数据,涵盖美国所有国会选区的40项健康及健康影响因素指标。这些指标(或度量)代表五个关键领域:健康行为、社会与经济因素、物理环境、健康结果和临床护理。空气污染、预期寿命、缺乏运动、糖尿病发病率、无保险和贫困儿童等指标的数据可供政策制定者、倡导者、社区成员和国会议员使用,以评估其所在地区的优势与挑战,并帮助推动选区、州和国家层面的积极变革。基于所选州或国会选区搜索全部40项指标数据的结果快照会与相应的全国平均值一同显示。结果可保存为地图和/或条形图的pdf或png文件。
结果页面还包含所选选区参议员及其他代表的人口统计信息和相关资料。用户还可选择在地图上按人口统计特征查看各项指标数据,或以柱状图形式呈现。此外,各项指标数据(如失业率)可跨多个选区展示,并与全国平均水平进行比较。
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。




