NHANES视觉检查数据
美国NHANES视觉检查数据，含视力、屈光和近视力测量，由CDC National Center for Health Statistics提供，数据格式为表格，适用于分类任务，许可证为Public Domain。
基本信息
资源简介
NHANES视觉检查数据
【一句话概览】
NHANES 视力检查数据用于：测量美国人群视力损伤（视力差于 20/40）的患病率、测量屈光不正的分布，以及评估与视力相关的功能损害。该检查包括三部分：眼镜处方测定，针对 12 岁及以上人群，在可获得远用眼镜时测量；远距视力和客观验光/角膜曲率评估，针对所有 12 岁及以上人群，无论是否佩戴眼镜或隐形眼镜均评估远距视力，验光测试测量屈光不正和角膜曲率；近视力卡测试，针对 50 岁及以上人群，评估近距视力（来源 CDC NHANES）。
【数据集背景】
本数据集源站标题为《Vision (VIX_E)》。源站首次发布：September 。
【数据内容】
源站原始描述：The NHANES Vision Examination data will be used to: 1) measure the prevalence of visual acuity impairment (visual acuity worse than 20/40) in the U.S. population; 2) measure the distribution of refractive error in the U.S. population; and 3) evaluate functional impairment related to vision. The NHANES Vision Examination consisted of three parts: Eye Glasses Prescription Determination – For persons 12 years of age and older, eye glass prescriptions were measured when eye glasses for viewing dista…
中文译文（机器翻译，仅供快速理解，请以原文为准）：NHANES视力检查数据将用于：1）测量美国人群中视力损伤（视力低于20/40）的患病率；2）测量美国人群中屈光不正的分布情况；3）评估与视力相关的功能损伤。NHANES视力检查包括三个部分：眼镜处方测定——对于12岁及以上人群，当有用于看远物的眼镜时，测量其眼镜处方。远视力与客观验光/角膜曲率评估——对于所有12岁及以上人群，无论其是否佩戴眼镜或隐形眼镜，均评估远视力；验光测试测量受检者的屈光不正和角膜曲率。近视力卡片测试——对于50岁及以上人群，评估其近视力。
【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、Vision。
【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/2007/DataFiles/VIX_E.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/2007/DataFiles/VIX_E.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
美国NHANES视觉检查数据，含视力、屈光和近视力测量。
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。
