地球资源数据云——数据资源详情

心脏病指标（2022 年更新）

心脏病的主要指标 2022 年 CDC 年度 40 万以上成年人健康状况调查数据 数据集涵盖什么主题？ 根据疾病预防控制中心的数据，心脏病是美国大多数种族（非裔美国人、美洲印第安人和阿拉斯加原住民以及白人）的主要原因。大约一半的美国人 (47%) 至少患有心脏病的 3 个主要危险因素中的 1 个：高血压、高胆固醇和吸烟。其他关键指标包括糖尿病状况、肥胖（高体重指数）、身体活动不足或饮酒过多。识别和预防对心脏病影响最大的因素对于医疗保健非常重要。反过来，计算的发展允许应用机器学习方法来检测数据中的“模式”，从而预测患者的病情。 数据集从哪里来，经过了哪些处理？ 该数据集最初来自 CDC，是行为风险因素监测系统 (BRFSS) 的主要组成部分，该系统每年进行电话调查，收集有关美国居民健康状况的数据。正如CDC所描述的那样：“BRFSS 于 1984 年成立，覆盖 15 个州，现在收集所有 50 个州、哥伦比亚特区和三个美国领地的数据。BRFSS 每年完成超过 400,000 名成人访谈，使其成为最大的连续开展的健康调查世界上的调查系统。最新的数据集包括2023年的数据。在这个数据集中，我注意到很多直接或间接影响心脏病的因素（问题），所以我决定从中选择最相关的变量。我还决定与您分享最新数据集的两个版本：带 NaN 的和不带 NaN 的。 你可以用这个数据集做什么？ 如上所述，原始数据集近300个变量减少到40个变量。除了经典的 EDA 之外，该数据集还可用于应用多种机器学习方法，特别是分类器模型（逻辑回归、SVM、随机森林等）。您应该将变量“HadHeartAttack”视为二元（“是” - 受访者患有心脏病；“否” - 受访者没有心脏病）。但请注意，类是不平衡的，因此应用模型的经典方法并不可取。固定权重/欠采样应该会产生更好的结果。根据数据集，我构建了一个逻辑回归模型，并将其嵌入到一个可能会启发您的应用程序中： https: //share.streamlit.io/kamilpytlak/heart - condition - checker/main/app.py。您能指出哪些变量对心脏病的可能性有显着影响吗？