有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
PRAMS|孕产妇健康数据集|生育数据数据集
收藏DataCite Commons2024-01-23 更新2024-07-13 收录
下载链接：
https://redivis.com/datasets/6rfz-9xjh5x54t?v=0.1
下载链接
链接失效反馈资源简介：
PRAMS collects jurisdiction-specific, population-based data on maternal attitudes and experiences before, during, and shortly after pregnancy. The births in the 50 jurisdictions that participate in PRAMS surveillance are 81% of all live births in the United States.
提供机构：
Redivis
创建时间：
2023-08-10
AI搜集汇总
数据集介绍
构建方式
PRAMS数据集的构建基于对美国多个州的健康调查数据的深度分析。该数据集通过系统地收集和整合来自不同地区的孕产妇和新生儿健康数据，涵盖了从孕期到产后多个时间点的详细信息。数据收集过程严格遵循医学伦理和数据隐私保护标准，确保了数据的可靠性和安全性。通过多层次的数据清洗和标准化处理，PRAMS数据集为研究人员提供了一个高质量的数据平台，用于探索孕产妇和新生儿健康相关的复杂问题。
特点
PRAMS数据集以其全面性和细致性著称，包含了孕产妇的医疗记录、生活方式、社会经济状况以及新生儿的健康指标等多维度信息。该数据集不仅提供了丰富的定量数据，还包含了大量的定性信息，如孕产妇的心理状态和家庭环境等。此外，PRAMS数据集的跨区域和跨时间的数据覆盖，使其具有极高的代表性和广泛的应用价值。这些特点使得PRAMS数据集成为研究孕产妇和新生儿健康问题的理想选择。
使用方法
PRAMS数据集的使用方法多样，适用于多种研究目的。研究人员可以通过数据集中的详细信息，进行孕产妇和新生儿健康状况的描述性分析，识别健康风险因素，并评估干预措施的效果。此外，PRAMS数据集还可以用于构建预测模型，以预测孕产妇和新生儿的健康风险。在使用过程中，研究人员应遵循数据使用协议，确保数据的合法和道德使用，同时进行适当的数据分析和解读，以得出科学和可靠的结论。
背景与挑战
背景概述
PRAMS（Pregnancy Risk Assessment Monitoring System）数据集是由美国疾病控制与预防中心（CDC）于1987年发起的一项全国性调查，旨在收集和分析孕产妇及其婴儿的健康状况数据。该数据集通过问卷调查的方式，涵盖了孕产妇的孕前、孕期及产后各个阶段的健康行为、社会经济状况、医疗保健利用情况等关键信息。PRAMS的建立，为公共卫生政策制定者提供了宝贵的数据支持，有助于识别和解决孕产妇及婴儿健康领域的关键问题，从而改善母婴健康水平。
当前挑战
PRAMS数据集在构建过程中面临诸多挑战。首先，数据收集涉及多个州和地区的广泛参与，确保数据的一致性和准确性是一大难题。其次，问卷设计需兼顾科学性和实用性，以确保收集到的信息既全面又易于理解。此外，数据隐私和安全问题也是不可忽视的挑战，如何在保护个人隐私的前提下，有效利用这些敏感数据进行研究，是PRAMS项目持续面临的重要课题。
发展历史
创建时间与更新
PRAMS（Pregnancy Risk Assessment Monitoring System）数据集创建于1987年，由美国疾病控制与预防中心（CDC）发起，旨在收集和分析孕产妇的健康行为和经验数据。该数据集定期更新，通常每两年进行一次数据收集和发布，以反映最新的孕产妇健康趋势。
重要里程碑
PRAMS数据集的重要里程碑包括1990年首次全国性数据发布，这标志着其作为孕产妇健康研究的重要工具的正式确立。2004年，PRAMS扩展到全美50个州，实现了全面覆盖，极大地增强了其数据代表性和研究价值。此外，2010年引入电子数据收集系统，显著提高了数据收集的效率和准确性。
当前发展情况
当前，PRAMS数据集已成为全球孕产妇健康研究的核心资源，其数据被广泛应用于公共卫生政策制定、孕产妇健康干预措施评估以及相关学术研究。PRAMS不仅提供了详尽的孕产妇健康行为和经验数据，还通过持续的技术创新和方法改进，确保数据的时效性和可靠性。其对相关领域的贡献意义深远，为改善孕产妇健康状况和提升公共卫生服务质量提供了坚实的数据支持。
发展历程
- PRAMS数据集首次发表，旨在收集和分析孕产妇和婴儿健康相关的数据，以改善公共卫生政策。
- PRAMS数据集首次应用于美国多个州的公共卫生研究，为孕产妇和婴儿健康提供了重要的数据支持。
- PRAMS数据集扩展至更多州，数据收集和分析方法得到进一步优化，提高了数据的质量和可靠性。
- PRAMS数据集开始采用电子数据收集系统，显著提高了数据收集的效率和准确性。
- PRAMS数据集的数据分析方法得到更新，引入了更多先进的统计和机器学习技术，提升了数据分析的深度和广度。
- PRAMS数据集在全球公共卫生领域的影响力显著提升，成为孕产妇和婴儿健康研究的重要数据来源。
常用场景
经典使用场景
在公共卫生领域，PRAMS（Pregnancy Risk Assessment Monitoring System）数据集被广泛用于评估孕产妇的健康状况及其对新生儿健康的影响。该数据集通过收集孕产妇在怀孕期间的行为、健康状况及社会经济因素等信息，为研究人员提供了深入分析孕产妇健康风险和干预措施效果的宝贵资源。
衍生相关工作
PRAMS数据集的广泛应用催生了大量相关的经典研究工作。例如，基于PRAMS数据的研究揭示了孕产妇吸烟与新生儿低出生体重之间的显著关联，这一发现推动了多个国家和地区在孕产妇健康教育中的吸烟干预策略。此外，PRAMS数据还被用于研究社会经济因素对孕产妇健康的影响，为制定更加公平和有效的公共卫生政策提供了科学依据。
数据集最近研究
最新研究方向
在公共卫生领域，PRAMS（Pregnancy Risk Assessment Monitoring System）数据集的最新研究方向主要集中在孕产妇健康与新生儿结局的关联分析。研究者们利用PRAMS数据集，深入探讨了孕前、孕期及产后各个阶段的风险因素对母婴健康的影响。例如，近期研究关注了孕期营养干预对新生儿出生体重的影响，以及孕期心理健康与产后抑郁的关联。这些研究不仅有助于识别高风险群体，还为制定针对性的公共卫生干预措施提供了科学依据。
相关研究论文
- 1The Pregnancy Risk Assessment Monitoring System (PRAMS): A National Surveillance SystemCenters for Disease Control and Prevention (CDC) · 2004年
- 2Pregnancy Risk Assessment Monitoring System (PRAMS): Overview and Summary of Recent FindingsCenters for Disease Control and Prevention (CDC) · 2020年
- 3Using the Pregnancy Risk Assessment Monitoring System (PRAMS) to Identify and Address Maternal Health DisparitiesCenters for Disease Control and Prevention (CDC) · 2018年
- 4Pregnancy Risk Assessment Monitoring System (PRAMS): Methodology and Data QualityCenters for Disease Control and Prevention (CDC) · 2016年
- 5Pregnancy Risk Assessment Monitoring System (PRAMS): Data for Action to Improve Maternal and Infant HealthCenters for Disease Control and Prevention (CDC) · 2014年
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国农村金融统计数据
该数据集包含了中国农村金融的统计信息，涵盖了农村金融机构的数量、贷款余额、存款余额、金融服务覆盖率等关键指标。数据按年度和地区分类，提供了详细的农村金融发展状况。
www.pbc.gov.cn 收录
中国交通事故深度调查（CIDAS）数据集
交通事故深度调查数据通过采用科学系统方法现场调查中国道路上实际发生交通事故相关的道路环境、道路交通行为、车辆损坏、人员损伤信息，以探究碰撞事故中车损和人伤机理。目前已积累深度调查事故10000余例，单个案例信息包含人、车 、路和环境多维信息组成的3000多个字段。该数据集可作为深入分析中国道路交通事故工况特征，探索事故预防和损伤防护措施的关键数据源，为制定汽车安全法规和标准、完善汽车测评试验规程、
北方大数据交易中心 收录
基于站点观测的中国1km土壤湿度日尺度数据集（2000-2022）
本研究提供了中国范围1km高质量的土壤湿度数据集-SMCI1.0(Soil Moisture of China by in situ data, version 1.0)，SMCI1.0是包含2000-2022年、日尺度、以10厘米为间隔10层深度（10-100cm）的高时空分辨率土壤湿度，数据单位为0.001m³/m³，缺失值为-999，投影为WGS1984。该数据集是以中国气象局提供的1,648个站点观测10层土壤湿度作为基准，使用ERA5_Land气象强迫数据、叶面积指数（LAI）、土地覆盖类型（Landtypes）、地形（DEM）和土壤特性（Soil properties）作为协变量，通过机器学习方式获得。本研究进行了两组实验以验证SMCI1.0的精度，时间尺度上：ubRMSE为0.041-0.052，R为0.883-0.919；空间尺度上：ubRMSE为0.045-0.051，R为0.866-0.893。 由于SMCI1.0是基于实地观测的土壤湿度，它可以作为现有基于模型和卫星数据集的有效补充。该数据产品可用于各种水文、气象、生态分析和建模，尤其在需要高质量、高分辨率土壤湿度的应用上至关重要。有关数据集的引用及详细描述，请阅读说明文档。为便于使用，本研究提供了两种不同分辨率的版本：30 秒（~1km）和0.1度（~9km）。
国家青藏高原科学数据中心 收录
中国250米灌溉耕地分布数据集（2000-2020）
灌溉耕地分布是开展生态、水文和气候研究的关键数据，并在水土资源管理中具有特别重要的地位。通过半自动机器学习模型，融合多源遥感数据（包括耕地分布、植被指数、水稻田分布）、灌溉统计和调查数据，以及灌溉适宜性分析，生成了中国逐年、250米灌溉耕地分布图（CIrrMap250）。利用2万个参考样本和高分辨率灌溉取水数据，对灌溉耕地分布数据的精度进行评估。结果显示，CIrrMap250在2000年、2010年和2020年的总体精度为0.79-0.88，优于现有的同类产品。
国家青藏高原科学数据中心 收录
中国高分辨率高质量PM2.5数据集（2000-2023）
ChinaHighPM2.5数据集是中国高分辨率高质量近地表空气污染物数据集（ChinaHighAirPollutants, CHAP）中PM2.5数据集。该数据集利用人工智能技术，使用模式资料填补了卫星MODIS MAIAC AOD产品的空间缺失值，结合地基观测、大气再分析和排放清单等大数据生产得到2000年至今全国无缝隙地面PM2.5数据。数据十折交叉验证决定系数R2为0.92，均方根误差RMSE为10.76 µg/m3。主要范围为整个中国地区，空间分辨率为1 km，时间分辨率为日、月、年，单位为µg/m3。注意：该数据集持续更新，如需要更多数据，请发邮件联系作者（weijing_rs@163.com; weijing@umd.edu）。 数据文件中包含NC转GeoTiff的四种代码（Python、Matlab、IDL和R语言）nc2geotiff codes。
国家青藏高原科学数据中心 收录