DiaBD糖尿病风险分析数据集
包含5288名孟加拉国患者记录，涵盖14项临床和人口统计学特征，用于糖尿病风险预测和评估建模。
基本信息
资源简介
DiaBD糖尿病风险分析数据集
【一句话概览】
本数据集是 Mendeley Data 公开的结构化表格数据集，收录 1 个文件、合计 287.00 KB，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《DiaBD: A Diabetes Dataset for Enhanced Risk Analysis and Research in Bangladesh》。源站首次发布：2025-08-18。
【数据内容】
源站原始描述：This dataset contains 5,288 patient records, covering 14 independent attributes related to demographics, clinical parameters, and medical history. Key features include age, gender, pulse rate, blood pressure (systolic and diastolic), glucose level, BMI, and family history of diabetes, hypertension, and cardiovascular disease. Each patient entry is labeled with a binary diabetes status (diabetic or non-diabetic), making it suitable for predictive modeling and risk assessment. Designed to facilita…
中文译文（机器翻译，仅供快速理解，请以原文为准）：该数据集包含5,288条患者记录，涵盖与人口统计学、临床参数和病史相关的14个独立属性。关键特征包括年龄、性别、脉率、血压（收缩压和舒张压）、血糖水平、BMI，以及糖尿病、高血压和心血管疾病家族史。每位患者条目均标注有二分类糖尿病状态（糖尿病或非糖尿病），使其适用于预测建模和风险评估。该数据集旨在促进机器学习应用，支持糖尿病检测模型、风险分层和个性化管理策略的开发。全面的特征集使研究人员能够探索糖尿病患病率及相关健康因素的模式，从而有助于改进早期诊断和针对性干预。
【数据结构与技术规格】
文件数 1 个，合计 287.00 KB。数据集 DOI：10.17632/m8cgwxs9s6.3。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/m8cgwxs9s6
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://data.mendeley.com/datasets/m8cgwxs9s6
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。
