人体生命体征数据集

摘要：人体生命体征数据集是一个面向患者健康状态分析、生命体征监测与健康风险预测构建的大规模结构化医疗数据集，共包含约 20 万个样本。

数据集概述

人体生命体征数据集是一个面向患者健康状态分析、生命体征监测与健康风险预测构建的大规模结构化医疗数据集，共包含约 20 万个样本。数据记录了患者的心率、呼吸频率、体温、血氧饱和度、血压、年龄、性别、体重和身高等基础生理及人口统计学信息，同时提供心率变异性、脉压、身体质量指数和平均动脉压等衍生指标。数据集以患者生命体征为核心，通过高风险和低风险标签描述综合健康状态，可用于医学数据分析、患者监护以及机器学习风险分类研究。

数据结构与关键特征

数据集包含患者 ID、时间戳以及多种生命体征信息，其中主要生理特征包括心率、呼吸频率、体温、血氧饱和度、收缩压和舒张压，同时记录年龄、性别、体重和身高等患者基本信息。在此基础上进一步构建多项衍生特征，包括心率变异性（HRV）、脉压（PP）、身体质量指数（BMI）以及平均动脉压（MAP）。其中脉压由收缩压减去舒张压得到，BMI 根据体重除以身高平方计算，MAP 可利用舒张压加三分之一脉压进行估算。目标变量为风险类别（Risk Category），分为高风险和低风险两类。当心率、呼吸频率、体温、血氧、血压或 BMI 等指标超出数据集设定的正常范围时，可被划分为高风险状态，否则归为低风险状态。

应用价值与研究方向

该数据集适用于患者健康风险分类、异常生命体征检测、临床决策辅助、健康状态预测以及智能医疗监护等研究。传统机器学习可以采用 Logistic Regression、Random Forest、SVM、XGBoost 和 LightGBM 等算法建立高低风险分类模型，也可以使用 MLP、TabNet、FT-Transformer 等深度学习模型处理大规模结构化医疗数据。进一步还可以研究不同生命体征之间的关联关系、特征重要性、异常生理状态检测以及连续生命体征趋势预测，并结合可穿戴设备或远程医疗系统构建实时健康风险预警平台。

数据集来源

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-801
文件大小：13M
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。