摘要：个性化医疗饮食推荐数据集（CSV 格式）包含患者健康档案、生活方式、病史、可穿戴设备数据和 AI 驱动的饮食推荐（七大类特征），专为慢性疾病（糖尿病、心脏病、高血压）的个性化饮食优化和机器学习模型开发而构建。
数据集简介
数据集概述
个性化医疗饮食推荐数据集专为开发智能化、数据驱动的疾病管理饮食干预而设计。营养治疗是慢性疾病管理的重要组成部分，个性化饮食干预可显著改善糖尿病、心脏病、高血压等慢性疾病患者的健康结局。该数据集包含患者健康档案、生活方式习惯、病史、可穿戴设备数据和个性化饮食推荐，结构化设计用于支持机器学习模型，基于慢性疾病（如糖尿病、心脏病、高血压）优化饮食计划。数据集以 CSV 格式结构化，便于预处理和分析，为 AI 驱动的健康解决方案提供基础。
数据结构与关键特征
数据集包含七大类关键特征，涵盖患者的全方位健康和生活方式信息：
(1) 患者人口统计学（Patient Demographics）：年龄、性别、身高、体重、BMI（体重指数），提供基础的生理参数；
(2) 病史（Medical History）：慢性疾病（糖尿病、心脏病、高血压等）、血压、胆固醇水平、遗传风险因素，反映患者的健康状况和疾病风险；
(3) 生活方式数据（Lifestyle Data）：每日步数、运动频率、睡眠质量、饮酒习惯、吸烟习惯，这些因素显著影响慢性疾病的发展和管理；
(4) 饮食摄入（Dietary Intake）：卡路里摄入量、蛋白质、碳水化合物、脂肪消耗量，提供营养摄入的量化数据；
(5) 食物偏好与限制（Food Preferences & Restrictions）：饮食习惯、菜系偏好、食物厌恶/过敏，考虑患者的个人偏好和文化背景，提高饮食建议的依从性；
(6) 可穿戴设备数据（Wearable Device Data）：平均心率、睡眠质量、活动水平，来自可穿戴健康追踪设备的实时生理数据，支持动态健康监测；
(7) 推荐饮食计划（Recommended Diet Plans）：AI 驱动的饮食推荐，根据患者病情量身定制的个性化饮食方案。
数据集的多维度特征设计支持全面的患者画像构建和精准的饮食优化。
应用价值与研究方向
该数据集支持个性化饮食推荐系统、慢性疾病管理应用、营养研究、可穿戴设备集成、精准营养、疾病特异性饮食优化、生活方式干预、饮食依从性预测、临床决策支持和健康结局预测，为改善慢性病管理和患者生活质量提供基础。
数据集来源
该数据集（CSV 格式）包含七大类特征（人口统计学、病史、生活方式、饮食摄入、食物偏好、可穿戴设备数据、AI 推荐饮食计划），专为慢性疾病（糖尿病、心脏病、高血压）的个性化饮食优化和机器学习模型开发而构建。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-97
文件大小：200K
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)