synthetic metabolic dataset

該項目生成並分析了10,000名成年人的合成數據集，反映了年齡，BMI，腰圍，禁食血糖，HDL，甘油三酸酯和高血壓分佈的年齡。我利用了NHANES（CDC）詳述的聯合統計趨勢。通過採用各種新型算法來模擬現實的健康指標，我們將能夠利用該數據集進一步分析與代謝綜合徵相關的危險因素。

初始導入：項目開始於導入必需的Python庫：用於數值操作的NUMPY，用於數據操作的PANDA，MATPLOTLIB.PYPLOT用於可視化，以及用於生成隨機數的隨機。這些庫構成了用於處理數據，執行統計計算和繪製圖的基礎工具包。

成人人群數據集發電機：該代碼生成一個由10,000名成年人組成的合成數據集，模仿了美國成年美國人群的年齡和BMI分佈。它定義了年齡組及其比例，從而產生了年齡分佈。該數據集包括“年齡”和“性別”列，其BMI值基於每個年齡段的指定特徵創建。該數據集密切反映了年齡和BMI分佈，使其適合分析代謝健康風險。

腰圍生成算法：一個函數基於BMI，年齡和性別生成逼真的腰圍值。該算法使用線性關係，年齡調整因子和隨機變化來模擬個體差異。該函數使用PANDAS的應用方法集成到主數據集中。

禁食血糖產生算法：一種功能使用概率方法基於年齡和BMI產生空腹血糖（FBG）值。定義了BMI類別，並通過年齡因素調整了升高FBG的基本概率。值是使用統一分佈生成的，反映了現實的範圍。此函數使用PANDAS的應用方法集成到主數據集中。

甘油三酸酯水平的生成算法：一個函數使用分層概率方法基於年齡和BMI類別生成甘油三酸酯水平。為每個BMI類別定義了甘油三酸酯水平的參數，並調整了概率的年齡調整。使用統一分佈生成值，並通過PANDAS的應用方法集成到主數據集中。

HDL膽固醇產生算法：一種功能通過概率方法基於年齡，性別和BMI類別生成HDL膽固醇水平。針對特定性別的閾值和年齡調整來產生值，反映了現實的分佈。此功能使用numpy進行隨機生成，並使用pandas的應用方法與主數據集集成。

高血壓分配算法：一種功能使用概率方法根據年齡和BMI類別分配高血壓狀態。應用基本概率和年齡調整，隨機生成確定狀態。使用PANDAS的應用方法將此二進制狀態集成到數據集中。

識別代謝綜合徵和標準化數據集列：該代碼使用檢查五個標準的功能來識別代謝綜合徵的個體：腹部肥胖，甘油三酸酯升高，降低HDL膽固醇，血壓升高，血壓升高和升高葡萄糖。滿足至少三個標準將一個人歸類為具有代謝綜合徵的人。該函數應用於每一行，創建一個新的Menebolic_syndrome列。該代碼還標準化列名稱以保持一致性並執行初始數據探索，並準備數據集以進行進一步分析。

代謝綜合徵分類算法：一種功能使用臨床標準將個體分類為代謝綜合徵，並將特定性別特異性閾值用於腰圍和HDL膽固醇。該函數應用於每個數據集行，生成二進制分類。代謝綜合徵的總體患病率是計算和打印的，以及更新的數據集的樣本。

BMI對健康指標的數據可視化：一種全面的數據可視化策略分析了BMI與各種健康指標之間的關係，並由性別隔離。數據聚集，雙線圖和情節美學的微調有助於對複雜關係的有效可視化，從而快速識別趨勢和性別特定的模式。

按年齡按數據可視化健康指標：類似的數據可視化策略分析了年齡與各種健康指標之間的關係，並被性別隔離。基於年齡的聚合和雙線圖揭示了與年齡相關的健康趨勢，為特定年齡的健康干預提供了見解。

合成數據與NHANES參考的比較分析：數據分析算法將合成數據集與NHANES參考數據進行比較，重點是關鍵健康指標。百分比計算和偏差度量為合成數據與現實世界統計數據的一致性和偏差提供了見解。這種方法有助於完善數據生成過程的準確性。