Diabetes Health Indicators ist ein umfassender Datensatz für Gesundheits- und medizinische Analysen, der zur Unterstützung der Diabetesrisikoprognose, der Forschung im Bereich der öffentlichen Gesundheit und der Modellierung mittels maschinellen Lernens entwickelt wurde.

Dieser Datensatz umfasst 31 Merkmalsfelder zu Diabetes, die vier Hauptkategorien von Variablen abdecken: demografische Merkmale, Lebensstil, Krankengeschichte und klinische Indikatoren. Jeder Datensatz repräsentiert das Gesundheitsprofil einer Person und integriert demografische Merkmale, Lebensgewohnheiten, familiäre Krankengeschichte und physiologische Messwerte. Er bietet somit eine vollständige Datengrundlage für die multidimensionale Gesundheitsmodellierung. Der Datensatz wurde vollständig vorverarbeitet, ist strukturell einwandfrei und weist eine ausgewogene Verteilung auf. Er erfüllt die Standards der klinischen Validierung und kann direkt für Forschungsanalysen und das Training von Modellen verwendet werden.

Hauptfelder:

• Zur Analyse gesundheitlicher Ungleichheiten werden demografische Daten wie Alter, Geschlecht, ethnische Zugehörigkeit, Bildungsniveau, Einkommenskategorie und Berufsart herangezogen.
• Zur Beurteilung des Einflusses von Lebensstilfaktoren auf das Diabetesrisiko werden Merkmale wie Rauchen, Alkoholkonsum, Ernährungsqualität, Schlafgewohnheiten und Häufigkeit sportlicher Betätigung herangezogen.
• Medizinische Vorgeschichte: Familienanamnese hinsichtlich genetischer Veranlagung, Bluthochdruck, Herz-Kreislauf-Erkrankungen usw., um die medizinische Interpretierbarkeit des Modells zu verbessern.
• Zur Quantifizierung des physiologischen Zustands und des Krankheitsverlaufs werden klinische Messindikatoren wie Body-Mass-Index (BMI), Blutdruck, Cholesterin, Triglyceride, Nüchtern- und postprandialer Blutzucker, Insulinspiegel und glykiertes Hämoglobin (HbA1c) verwendet.
• Zu den Zielvariablen gehören die Diabetesdiagnose (ob der Patient an der Krankheit leidet) und das Krankheitsstadium (Prädiabetes, Typ 1, Typ 2), die für binäre oder mehrklassige Klassifizierungsmodellierungsaufgaben verwendet werden können.