美国健康地形步行指数综合数据集
引言与背景
本数据集是一个综合性的美国健康与环境特征数据库,包含超过340万条记录,涵盖健康指标、地形特征和步行指数三大核心维度。该数据集整合了美国疾病控制与预防中心(CDC)的行为风险因素监测系统(BRFSS)数据、美国地质调查局(USGS)的地形数据以及城市规划领域的步行指数评估数据,为公共卫生研究、城市规划、环境健康分析和政策制定提供了全面的基础数据支持。
数据集由三个主要部分组成:健康指标数据(health.csv)、地形特征数据(rugged.csv)和步行指数数据(walk_ind.csv)。健康指标数据包含了美国各地的居民健康状况、风险行为、预防措施等详细信息;地形特征数据记录了不同地区的地形崎岖程度、人口密度等地理环境特征;步行指数数据则评估了各地区的步行友好程度,反映了城市规划与公共卫生的关联性。
这一综合性数据集的价值在于将健康、环境和城市规划三大领域的数据进行了有效整合,为研究人员和政策制定者提供了独特的视角,能够深入分析地理环境特征与居民健康状况之间的关系,为改善公共健康、优化城市规划和制定针对性政策提供科学依据。
数据基本信息
字段说明表格
健康指标数据(health.csv)
字段名称字段类型字段含义数据示例完整性
| Year |
整数 |
数据年份 |
2022 |
100% |
| StateAbbr |
字符串 |
州缩写 |
FL |
100% |
| StateDesc |
字符串 |
州全称 |
Florida |
100% |
| CountyName |
字符串 |
县名称 |
Miami-Dade |
100% |
| CountyFIPS |
整数 |
县FIPS代码 |
12086 |
100% |
| LocationName |
字符串 |
位置名称 |
12086010025 |
100% |
| DataSource |
字符串 |
数据来源 |
BRFSS |
100% |
| Category |
字符串 |
健康类别 |
Health Outcomes |
100% |
| Measure |
字符串 |
健康指标 |
Stroke among adults |
100% |
| Data_Value_Unit |
字符串 |
数据单位 |
% |
100% |
| Data_Value_Type |
字符串 |
数据类型 |
Crude prevalence |
100% |
| Data_Value |
浮点数 |
数据值 |
5.6 |
99.9% |
| Low_Confidence_Limit |
浮点数 |
置信下限 |
5.1 |
99.9% |
| High_Confidence_Limit |
浮点数 |
置信上限 |
6.1 |
99.9% |
| TotalPopulation |
整数 |
总人口 |
3992 |
99.9% |
| TotalPop18plus |
整数 |
18岁以上人口 |
3091 |
99.9% |
| Geolocation |
字符串 |
地理位置坐标 |
POINT (-80.254741 25.9664383) |
99.9% |
地形特征数据(rugged.csv)
字段名称字段类型字段含义数据示例完整性
| TractFIPS |
字符串 |
普查区FIPS代码 |
01001020100 |
100% |
| TractName |
字符串 |
普查区名称 |
Census Tract 201 |
100% |
| CountyName |
字符串 |
县名称 |
Autauga County |
100% |
| State |
字符串 |
州缩写 |
AL |
100% |
| RuralityName |
字符串 |
农村/城市分类 |
urbanized area |
99.9% |
| Population |
整数 |
人口数量 |
1912 |
99.9% |
| LandArea |
浮点数 |
土地面积 |
3.8 |
99.9% |
| PopDensity |
浮点数 |
人口密度 |
504.8 |
99.9% |
| ARS |
整数 |
地形坡度代码 |
2 |
99.9% |
| ARSDescription |
字符串 |
地形坡度描述 |
nearly level |
99.9% |
| RoadTRI_Mean |
浮点数 |
道路地形崎岖指数平均值 |
19.866 |
99.9% |
步行指数数据(walk_ind.csv)
字段名称字段类型字段含义数据示例完整性
| OBJECTID |
整数 |
对象ID |
1 |
100% |
| STATEFP |
字符串 |
州FIPS代码 |
48 |
100% |
| COUNTYFP |
字符串 |
县FIPS代码 |
113 |
100% |
| TotPop |
整数 |
总人口 |
1202 |
100% |
| HH |
整数 |
家庭数量 |
423 |
99.9% |
| Workers |
整数 |
工作人口数量 |
412 |
100% |
| AutoOwn0 |
整数 |
无汽车家庭数量 |
69 |
100% |
| Pct_AO0 |
浮点数 |
无汽车家庭比例 |
0.163 |
100% |
| NatWalkInd |
浮点数 |
国家步行指数 |
14.0 |
100% |
| Shape_Length |
浮点数 |
区域周长 |
3110.36 |
100% |
| Shape_Area |
浮点数 |
区域面积 |
297836.08 |
100% |
数据分布情况
健康指标数据分布
类别记录数量占比累计占比
| Health Outcomes |
992076 |
31.2% |
31.2% |
| Disability |
584654 |
18.4% |
49.6% |
| Prevention |
574455 |
18.0% |
67.6% |
| Health-Related Social Needs |
447209 |
14.0% |
81.6% |
| Health Risk Behaviors |
334088 |
10.5% |
92.1% |
| Health Status |
250566 |
7.9% |
100.0% |
年份记录数量占比累计占比
| 2021 |
313780 |
9.8% |
9.8% |
| 2022 |
2869268 |
90.2% |
100.0% |
州记录数量占比累计占比
| CA |
362792 |
11.4% |
11.4% |
| TX |
273754 |
8.6% |
20.0% |
| FL |
182772 |
5.7% |
25.7% |
| NY |
174522 |
5.5% |
31.2% |
| OH |
126158 |
4.0% |
35.2% |
| 其他 |
1963040 |
64.8% |
100.0% |
地形特征数据分布
农村/城市分类记录数量占比累计占比
| urbanized area |
51903 |
71.3% |
71.3% |
| rural |
13287 |
18.3% |
89.6% |
| urban commuting |
7486 |
10.3% |
99.9% |
| no rurality code |
89 |
0.1% |
100.0% |
地形坡度记录数量占比累计占比
| level |
51639 |
71.0% |
71.0% |
| nearly level |
14125 |
19.4% |
90.4% |
| slightly rugged |
4478 |
6.2% |
96.6% |
| moderately rugged |
1572 |
2.2% |
98.8% |
| highly rugged |
559 |
0.8% |
99.6% |
| extremely rugged |
392 |
0.4% |
100.0% |
步行指数数据分布
州记录数量占比累计占比
| 6 (CA) |
23212 |
10.5% |
10.5% |
| 48 (TX) |
15811 |
7.2% |
17.7% |
| 36 (NY) |
15463 |
7.0% |
24.7% |
| 12 (FL) |
11442 |
5.2% |
29.9% |
| 42 (PA) |
9740 |
4.4% |
34.3% |
| 其他 |
145058 |
65.7% |
100.0% |
步行指数范围记录数量占比累计占比
| 1-5 |
52,866 |
24.0% |
24.0% |
| 6-10 |
74,045 |
33.5% |
57.5% |
| 11-15 |
62,309 |
28.2% |
85.7% |
| 16-20 |
31,520 |
14.3% |
100.0% |
数据优势
优势特征具体表现应用价值
| 数据规模庞大 |
超过340万条记录,涵盖健康、地形、步行指数三大维度 |
提供足够的样本量支持复杂的统计分析和模型训练 |
| 多维度融合 |
整合了健康指标、地形特征和步行指数三类异构数据 |
支持跨领域研究,如健康与环境的关联性分析 |
| 时间序列完整 |
健康数据包含2021-2022年连续数据 |
支持趋势分析和变化监测 |
| 地理覆盖广泛 |
覆盖美国所有州和主要县市区 |
支持全国性和区域性分析 |
| 数据质量可靠 |
健康数据来自CDC的BRFSS调查,地形数据来自USGS |
确保研究结果的科学性和可信度 |
| 指标体系完善 |
包含80多种健康指标、6种地形坡度等级和完整的步行指数评估 |
支持多视角的综合分析 |
| 数据来源 |
https://dianshudata.com/dataDetail/14486 |
|
数据样例
健康指标数据样例
YearStateAbbrCountyNameCategoryMeasureData_Value
| 2022 |
FL |
Miami-Dade |
Health Outcomes |
Stroke among adults |
5.6 |
| 2022 |
FL |
Miami-Dade |
Disability |
Vision disability among adults |
3.1 |
| 2022 |
FL |
Miami-Dade |
Health Status |
Frequent physical distress among adults |
10.0 |
| 2022 |
FL |
Miami-Dade |
Health Risk Behaviors |
Current cigarette smoking among adults |
22.2 |
| 2022 |
FL |
Miami-Dade |
Prevention |
Mammography use among women aged 50-74 years |
77.4 |
地形特征数据样例
TractNameCountyNameStateRuralityNamePopulationARSDescriptionPopDensity
| Census Tract 201 |
Autauga County |
AL |
urbanized area |
1912 |
nearly level |
504.8 |
| Census Tract 202 |
Autauga County |
AL |
urbanized area |
2170 |
nearly level |
1682.5 |
| Census Tract 203 |
Autauga County |
AL |
urbanized area |
3373 |
level |
1633.1 |
| Census Tract 101 |
Baldwin County |
AL |
rural |
3804 |
level |
10.1 |
| Census Tract 102 |
Baldwin County |
AL |
rural |
2902 |
level |
33.9 |
步行指数数据样例
OBJECTIDSTATEFPCOUNTYFPTotPopHHWorkersNatWalkInd
| 1 |
48 |
113 |
1202 |
423 |
412 |
14.0 |
| 2 |
48 |
113 |
710 |
409 |
395 |
10.8 |
| 3 |
48 |
113 |
737 |
329 |
463 |
8.3 |
| 4 |
48 |
113 |
904 |
384 |
431 |
15.7 |
| 5 |
48 |
113 |
948 |
343 |
579 |
10.2 |
应用场景
公共卫生政策制定与评估
该数据集可用于公共卫生部门制定针对性的健康干预政策。通过分析健康指标与地形特征、步行指数的关联性,政策制定者可以识别出健康风险较高的区域,并制定相应的干预措施。例如,研究发现步行指数较低的地区肥胖率和糖尿病患病率较高,可以针对性地增加这些地区的步行设施和绿色空间,促进居民的身体活动。此外,数据集还可以用于评估现有健康政策的实施效果,通过比较政策实施前后的健康指标变化,验证政策的有效性。
城市规划与健康城市建设
城市规划师可以利用该数据集优化城市布局,建设更健康的城市环境。通过分析步行指数与健康指标的关系,可以确定需要改善步行环境的区域,合理规划人行道、自行车道和公共交通设施。同时,地形数据可以帮助规划师了解不同地区的地形特征,为无障碍设施建设提供参考。例如,在地形崎岖的地区增加电梯和坡道设施,提高居民的出行便利性。此外,数据集还可以用于评估城市开发项目对居民健康的潜在影响,确保城市发展与公共健康目标相一致。
环境健康研究
环境健康研究人员可以利用该数据集探索环境因素与居民健康之间的关系。例如,分析地形特征、空气质量与呼吸系统疾病的关联性,或者研究步行指数与心血管疾病的关系。通过建立多变量模型,可以控制其他混杂因素,更准确地评估环境因素对健康的影响。此外,数据集还可以用于识别环境健康不平等现象,了解不同社会经济地位和种族群体在健康结果上的差异,为减少健康不平等提供依据。
健康保险与医疗资源配置
健康保险公司和医疗机构可以利用该数据集优化医疗资源配置。通过分析不同地区的健康状况和风险因素,可以预测医疗需求,合理分配医疗资源。例如,在慢性病患病率较高的地区增加初级保健设施和专科医生,提高医疗服务的可及性。同时,数据集还可以用于开发健康风险评估模型,帮助保险公司制定更精准的保险产品和定价策略。此外,医疗机构可以利用数据集中的预防指标,制定针对性的健康促进计划,降低居民的患病风险。
学术研究与教学
该数据集为学术研究和教学提供了丰富的资源。研究人员可以利用这些数据开展跨学科研究,探索健康、环境和城市规划之间的复杂关系。例如,公共卫生专业的学生可以分析健康指标的地理分布,了解健康不平等现象;城市规划专业的学生可以研究步行指数与城市形态的关系,学习健康城市规划的原理和方法。此外,数据集还可以用于开发教学案例和实践项目,提高学生的数据分析能力和解决实际问题的能力。
结尾
本数据集是一个综合性的美国健康与环境特征数据库,包含超过340万条记录,涵盖健康指标、地形特征和步行指数三大核心维度。该数据集具有数据规模庞大、多维度融合、时间序列完整、地理覆盖广泛、数据质量可靠、指标体系完善等显著优势,为公共卫生研究、城市规划、环境健康分析和政策制定提供了全面的基础数据支持。
通过对该数据集的深入分析,可以揭示健康与环境之间的复杂关系,为改善居民健康状况和建设可持续发展的城市提供科学依据。该数据集不仅可以用于学术研究,还可以为政府部门、医疗机构、城市规划师和健康保险公司等提供决策支持。随着数据的不断更新和扩展,该数据集将在公共卫生和城市规划领域发挥越来越重要的作用。
如需获取更多信息或有任何疑问,请随时联系我们。我们将竭诚为您提供支持和帮助,共同推动公共卫生和城市规划领域的发展与创新。