nhanes插补数据，可以用于nhanes插补数据的分析

自己提取的nhanes数据库，可用于数据分析

nhanes数据库连续年份数据，截止到2020年的，数据包太大分成了2个。包括了xpt的数据和doc的数据介绍

nhanes所有连续年份数据截止到2020年份，数据包括xpt数据和数据文档doc，数据太大，打包成了两份，这是1

使用卫生保健数据预测抑郁 作者：Vivienne DiFrancesco 可以在找到用于探索该项目中使用的数据的配套仪表板 该存储库的内容是对使用机器学习模型来预测使用医疗保健数据的人的抑郁症的分析。 希望可以使工作更易于访问和复制，从而进行详细的分析。 储存库结构 README.md：此项目审阅者的顶级自述文件 first_notebook.ipynb：从数据清理阶段开始在jupyter笔记本中进行分析的叙述性文档 second_notebook.ipynb：在项目的探索阶段清理数据之后开始的叙述性文档的延续 PredictingDepressionSlides.pdf：项目演示幻灯片的PDF版本 project_functions文件夹：包含编写用于first_notebook和second_notebook的自定义函数 仪表板文件夹：包含用于创建此项目的配套仪表板的文件的文件夹 抽

nhanes_tools 这些是存储库的R软件包版本最初所基于的脚本。 请转到此以安装软件包版本。 关于Outcomes Insights，Inc. Outcomes Insights是一家小型的专业咨询公司，在处理和分析电子健康数据方面具有专业知识。 我们的目标之一是提供工具，以帮助其他研究人员更快速，准确地进行可重复的研究。 这些工具旨在帮助实现这些目标。

下载-nhanes R 函数来下载和格式化 NHANES 数据。 用户可以按年份和部分（演示、饮食、检查、实验室、问卷）指定所需的数据。 完成后，该函数将从 CDC FTP 站点下载数据，合并数据，计算多年权重，并返回一个加权调查对象，以供分析。

NHANES_Data_Analysis 可以在上找到有关此数据的信息，包括数据预处理在内的分析位于同一存储库中的不同jupyter笔记本中。 NHANESPreprocessing.ipynb-大约2500名参与者的NHANES数据集的初始预处理。 NHANESMerge_Hybrid.ipynb-为每个参与者合并和预处理NHANES数据集。 NHANESExploratoryAnalysis.ipynb-NHANES数据探索。 NHANES_Traditional_Scenario_1.ipynb-传统ML方案，适用于2500种左右前五种疾病的参与者。 NHANES_Traditional_Scenario_2.ipynb-适用于所有个人的传统ML方案。 NHANES_NeuralNetworks_CNN_Approach.ipynb-由于对数据复杂性的了解，CNN在NH

HAN 关于NHANES数据集的初步EDA

标题 作者 日期 输出 自述文件 2021年3月16日 html_document 目的 该代码探索了2009-2010年美国国家健康与营养检查调查（NHANES）中糖化血红蛋白水平与社会经济因素之间的各种关联，给出了包含多个人口统计数据和临床变量的截短的.csv文件。 设置 要使用此代码，请使用随附的NHANES_diabetes_2009-10.csv文件。 栏名 描述 ID 应答者序号 Gender 男/女 Age 年岁 Ethnicity 种族/民族 Family_income 以美元为单位的家庭收入 Meds 受访者正在服用胰岛素或糖尿病药物？ DM_or_PreDM 受访者是否患有DM或PreDM诊断？ Weight 公斤重量 Height 站立高度，以厘米为单位 BMI 体重指数 Upper_Leg_Length 大腿长度，以厘米为单位 Uppe