美国心脏病患者十年发病预测数据集USHeartPatients10-YearCHDPrediction-vijayandrew
数据来源：互联网公开数据
标签：心血管疾病, 风险预测, 机器学习, 健康大数据, 临床分析, 公共卫生, 流行病学, 数据挖掘
数据概述：
该数据集包含来自美国心脏病患者的健康信息，记录了用于预测个体十年内患冠心病（CHD）风险的结构化数据。主要特征如下：
时间跨度：数据未标明具体时间，通常被视为一个静态的、横断面数据集。
地理范围：数据主要涵盖美国心脏病患者。
数据维度：数据集包括性别（male）、年龄（age）、教育程度（education）、当前吸烟状况（currentSmoker）、每日吸烟量（cigsPerDay）、是否服用降压药（BPMeds）、是否曾患中风（prevalentStroke）、是否患高血压（prevalentHyp）、是否患糖尿病（diabetes）、总胆固醇（totChol）、收缩压（sysBP）、舒张压（diaBP）、身体质量指数（BMI）、心率（heartRate）、葡萄糖水平（glucose）以及十年内是否患冠心病（TenYearCHD）。
数据格式：CSV格式，文件名为US_Heart_Patients.csv，易于进行统计分析和机器学习建模。
该数据集适合用于心血管疾病风险预测、临床特征分析和公共卫生研究。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于心血管疾病风险预测模型的开发与评估，以及探索不同危险因素对冠心病发病风险的影响。
行业应用：为医疗健康行业提供数据支持，尤其在疾病风险评估、个性化健康管理、早期预警系统等方面具备实用价值。
决策支持：支持医疗机构和公共卫生部门制定预防策略、优化资源配置，以降低心血管疾病的发病率和死亡率。
教育和培训：作为医学、公共卫生、生物统计学等相关专业课程的实训材料，帮助学生理解疾病风险因素、学习数据分析方法。
此数据集特别适合用于探索心血管疾病与多种风险因素之间的关系，帮助用户构建预测模型，提升对个体患病风险的评估能力。
