国家健康与营养调查(NHANES)参与者按高尿酸血症分组的特征

DQS NHANES 特定慢性病患病率估计[数据集]。主题标签:表格数据、问卷调查、慢性病、内分泌、公共卫生、患病率估计、横断面研究、统计汇总

Yuna SYuna S
google_dataset
2024-05-27 更新
浏览 18
表格表格数据问卷调查慢性病内分泌公共卫生患病率估计横断面研究统计汇总
Characteristics of National Health and Nutrition Examination Survey (NHANES) participants by hyperuricemia.

基本信息

模态
表格
大小
0.000553446 GB
许可
Apache 2.0
创建/更新时间
2024-05-27
版本
v1

资源简介

国家健康与营养调查(NHANES)参与者按高尿酸血症分组的特征

'nhanes’ dataset

该数据集源站标题为‘nhanes’ dataset,原始描述为NCHS/DHANES (2026)的DQS NHANES Select Chronic Conditions Prevalence Estimates数据集,来源链接指向data.cdc.gov。其文件数为1,总字节为553446,许可为Apache 2.0(来源 Kaggle,Apache 2.0 许可)。

【数据集背景】

源站首次发布:2024-05-27。

【数据内容】

源站描述(机器翻译,仅供参考):NCHS/DHANES(2026)。DQS NHANES 特定慢性病患病率估计[数据集]。https://data.cdc.gov/National-Center-for-Health-Statistics/DQS-NHANES-Select-Chronic-Conditions-Prevalence-Es/6rvp-rahv

【数据结构与技术规格】

文件数 1 个,合计 553.45 KB。

【主题与分类】

主题标签:表格数据、问卷调查、慢性病、内分泌、公共卫生、患病率估计、横断面研究、统计汇总。本站分类:内分泌系统疾病/其他。

【获取与许可】

源站页面:https://www.kaggle.com/datasets/yunasheng/nhanes-dataset

使用许可:Apache 2.0。

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

源站:https://kaggle.com/datasets/yunasheng/nhanes-dataset/data

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据集大小约 553.4 KB。

数据说明

NCHS/DHANES(2026)。DQS NHANES 特定慢性病患病率估计[数据集]。https://data.cdc.gov/National-Center-for-Health-Statistics/DQS-NHANES-Select-Chronic-Conditions-Prevalence-Es/6rvp-rahv

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。

获取专属数据定制方案