NHANES 2017-2020身体测量数据
包含BMI、体重、身高、腰围等身体测量指标，用于肥胖症监测和分类研究。由CDC National Center for Health Statistics提供，来自CDC NHANES，数据格式为表格。
基本信息
资源简介
NHANES 2017-2020身体测量数据
【一句话概览】
NHANES 项目因 2019 冠状病毒病（COVID-19）大流行于 2020 年 3 月暂停现场工作，导致 2019-2020 周期数据收集未完成，所收集数据不具全国代表性。因此，2019 年至 2020 年 3 月收集的数据与 NHANES 2017-2018 周期数据合并，形成具有全国代表性的 NHANES 2017 年至 2020 年 3 月大流行前数据样本。这些数据已向公众开放（来源 CDC NHANES）。
【数据集背景】
本数据集源站标题为《Body Measures (P_BMX)（2019-2020）》。源站首次发布：May 2021。
【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 and the collected data are not nationally representative. Therefore, data collected from 2019 to March 2020 were combined with data from the NHANES 2017-2018 cycle to form a nationally representative sample of NHANES 2017-March 2020 pre-pandemic data. These data are available to the public. Please refer…
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月暂停了现场操作。因此，2019-2020周期的NHANES数据收集未能完成，所收集的数据不具备全国代表性。为此，将2019年至2020年3月收集的数据与NHANES 2017-2018周期的数据合并，形成了具有全国代表性的NHANES 2017年至2020年3月大流行前数据样本。这些数据已向公众开放。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、Body、Measures。
【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/2017/DataFiles/P_BMX.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/2017/DataFiles/P_BMX.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BMI、体重、身高、腰围等身体测量指标，用于肥胖症监测和分类研究。
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。
