NHANES (National Health and Nutrition Examination Survey)

Encuesta estadounidense de salud y nutrición con examen físico, muy usada para investigación epidemiológica.

ÁreaSalud y Biomedicina
DominioSalud Pública
DificultadIntermedio
Tamaño~5,000 personas/año · Datos desde 1999
Fuente oficial

¿Qué puedes lograr con este dataset?

  • Practicar limpieza y fusión de múltiples archivos con distintos niveles de granularidad
  • Modelar relaciones entre variables clínicas (ej. IMC y presión arterial)
  • Trabajar con datos de encuesta que requieren ponderación muestral para ser representativos

Descripción

NHANES es una encuesta continua del CDC que combina entrevistas y exámenes físicos/de laboratorio para evaluar el estado de salud y nutrición de la población de EE. UU. Sus datos abarcan desde mediciones antropométricas hasta biomarcadores de laboratorio, distribuidos en múltiples archivos que deben combinarse cuidadosamente.

Casos de uso

  • Modelos predictivos de riesgo de enfermedades crónicas (diabetes, hipertensión)
  • Análisis de tendencias nutricionales y de obesidad a lo largo del tiempo
  • Investigación epidemiológica sobre determinantes sociales de la salud
  • Práctica de regresión y pruebas estadísticas sobre datos reales de salud

Cómo cargarlo

Cómo cargarlopython
import pandas as pd

demograficos = pd.read_sas("DEMO_J.XPT")
examen = pd.read_sas("BMX_J.XPT")
df = demograficos.merge(examen, on="SEQN")
print(df[["RIDAGEYR", "BMXBMI"]].describe())

Ventajas y limitaciones

Ventajas

  • Datos clínicos reales de alta calidad, con examen físico y no solo autorreporte
  • Gratuito y de acceso público sin necesidad de solicitud especial
  • Décadas de historia que permiten análisis de tendencias

Limitaciones

  • Requiere entender el diseño muestral complejo (pesos, estratos) para inferencias válidas
  • Combinar los distintos archivos SAS/XPT tiene una curva de aprendizaje inicial

Datasets relacionados