NHANES 2017-2020甲状腺疾病谱
内分泌系统疾病领域表格公开数据集，来源：nhanes。
基本信息
资源简介
NHANES 2017-2020甲状腺疾病谱
【一句话概览】
NHANES 因 2019 冠状病毒病（COVID-19）大流行于 2020 年 3 月暂停现场操作，导致 2019-2020 周期数据收集未完成。2019 年至 2020 年 3 月收集的数据可作为便利样本，通过 NCHS 研究数据中心（RDC）获取。仅基于 2019 年至 2020 年 3 月数据的分析，不能推广至美国民用非机构化人口。该数据集标题为 Thyroid Profile - Serum (THYD_K_R) RDC Only（2019-2020），文件数为 1，标签涉及 NHANES、CDC、甲状腺、血清等（来源 CDC NHANES）。
【数据集背景】
本数据集源站标题为《Thyroid Profile - Serum (THYD_K_R) RDC Only（2019-2020）》。源站首次发布：December 2。
【数据内容】
源站原始描述：The NHANES program suspended field operations in March 2020 due to the coronavirus disease 2019 (COVID-19) pandemic. As a result, data collection for the NHANES 2019-2020 cycle was not completed. Data collected in 2019-March 2020 can be accessed as convenience samples through the NCHS Research Data Center (RDC) . Any analyses based solely on the 2019-March 2020 data would not be generalizable to the U.S. civilian non-institutionalized population. Please refer to the
中文译文（机器翻译，仅供快速理解，请以原文为准）：NHANES项目因2019冠状病毒病（COVID-19）大流行于2020年3月暂停了现场工作。因此，2019-2020周期的NHANES数据收集未能完成。2019年至2020年3月期间收集的数据可作为便利样本，通过NCHS研究数据中心（RDC）获取。任何仅基于2019年至2020年3月数据的分析，均无法推广至美国非机构化平民人口。请参阅
【数据结构与技术规格】
文件数 1 个。
【主题与分类】
主题标签：NHANES、CDC、NHANES 2019-2020、Thyroid、Profile、Serum、THYD、Only。
【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://wwwn.cdc.gov/Nchs/Data/Nhanes/Public/2019/DataFiles/THYD_K_R.htm
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://wwwn.cdc.gov/Nchs/Data/Nhanes/Public/2019/DataFiles/THYD_K_R.htm
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
包含TSH、T3/T4等甲状腺功能指标，可用于甲状腺功能减退状态识别和分析。
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。
