electricsheepasia/asia-who-lx-number-of-people-left-alive-at-age-x

该数据集包含亚洲地区按年龄x存活人数的统计数据，来源于世界卫生组织全球健康观察站。数据集涵盖48个亚洲国家，时间跨度为2000年至2021年，共包含52,028个观测值。核心指标为LIFE_0000000031，表示按年龄x存活的人数。数据列包括指标代码、国家ISO3代码、WHO区域、年份、性别维度、年龄组维度、数值型值等。数据集适用于表格分类、回归和时间序列预测任务，可用于分析亚洲各国人口存活趋势和健康指标。数据以标准化模式提供，便于机器学习研究和使用。This dataset contains statistics on lx - number of people left alive at age x for the Asia region, sourced from the WHO Global Health Observatory. It covers 48 Asia countries from 2000 to 2021, with 52,028 observations. The core indicator is LIFE_0000000031, representing the number of people left alive at age x. Columns include indicator code, country ISO3 code, WHO region, year, sex dimension, age group dimension, numeric value, etc. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, enabling analysis of population survival trends and health indicators across Asian countries. Data is provided in a standardized schema for ease of use in machine learning research.

搜集汇总

数据集介绍

构建方式

该数据集源自世界卫生组织全球卫生观察站（WHO GHO），经Electric Sheep Asia团队重新封装而成。原始数据涵盖48个亚洲国家，时间跨度为2000年至2021年，共收录52,028条观测记录。数据集以表格形式呈现，核心指标为“lx——活至年龄x的人口数”，并按照性别、年龄组等维度进行细致拆解，提供了如性别分类（男性、女性、总计）及19个年龄组（从0-1岁至20-24岁）等分层变量，便于研究者从多维度剖析人口存活状况。

特点

该数据集的一大特色在于其丰富的层次结构与高覆盖率。它不仅覆盖了亚洲48个国家的长期时序数据，还通过性别与年龄组的交叉分类，揭示了不同群体间的存活差异。每个观测均包含指标代码、国家ISO代码、年份、数值及置信区间等字段。数据以Parquet格式存储，采用统一模式规范化，可直接通过HuggingFace Datasets库加载，极大提升了数据获取与使用的便捷性，为人口学与公共卫生研究提供了坚实的数据基础。

使用方法

使用者可通过HuggingFace的`datasets`库便捷加载数据，示例代码为`load_dataset('electricsheepasia/asia-who-lx-number-of-people-left-alive-at-age-x')`，并将其转换为Pandas DataFrame以供分析。针对特定国家，可通过筛选`country_iso3`列实现子集提取；进行时间序列分析时，可按指标代码筛选并排序年份以绘制趋势图；同时，利用透视表功能可将数据重塑为国家×年份的矩阵格式，便于横向对比。该数据集遵循CC-BY-4.0许可，引用时需标注原始来源及Electric Sheep Asia的再封装贡献。

背景与挑战

背景概述

人口生存分析是公共健康与人口学研究的重要基石，准确刻画各年龄段存活人数（lx）对于理解区域健康状况、评估卫生政策成效及预测未来人口结构具有决定性意义。该数据集由世界卫生组织全球卫生观察站（WHO GHO）维护，并经Electric Sheep Asia于2021年重新整理发布，聚焦亚洲48国2000年至2021年间‘活到x岁的人数（lx）’这一核心生命表指标。研究团队旨在通过整合WHO权威来源的标准化数据，为亚洲地区的人口健康纵向研究提供高质量、机器学习就绪的资源，其丰富的多维度分解（如性别、年龄组）能力使得深入探索不同人群的生存差异成为可能，对全球健康监测与区域不平等研究产生了深远影响。

当前挑战

该数据集所解决的领域挑战在于，亚洲地区长期以来缺乏统一、可机读且覆盖多国的动态生存在数据，传统生命表数据常分散于各国统计报告或非结构化格式中，难以支持跨区域比较与时间序列分析。构建过程中，主要挑战包括：1）从WHO GHO异构API接口中提取并标准化52,028条观测记录，确保各国数据在指标编码、年龄分组及元数据上的一致性；2）处理不同国家上报数据的时间差异与缺失值问题，例如部分年份或特定年龄组的数据空白需要通过插补或标注来保证数据集可用性；3）完成对性别（SEX_BTSX、SEX_FMLE、SEX_MLE）与19个年龄组（AGEGROUP_YEARS00-01至YEARS20-24）的多重分解对齐，以及协调2000-2021年时序上因数据修订带来的版本更迭，最终实现以Parquet格式封装并可被HuggingFace load_dataset直接调用的标准化产品。

常用场景

经典使用场景

在人口健康与流行病学研究中，lx（存活至特定年龄的人数）是生命表的核心指标，用于刻画人群的死亡风险与生存概率。该数据集覆盖2000至2021年间48个亚洲国家的全年龄段存活人数，按性别与年龄组细致分层，为构建生命表模型、估算预期寿命和死亡力函数提供了基础数据。研究者可借此绘制区域性的生存曲线，分析东亚、南亚及中东等亚区的人口演化特征，或比较各国在不同时间窗口内的年龄别存活率差异。

衍生相关工作

该数据集可催生多项衍生的经典工作，包括构建亚洲区域联合生命表与死亡率数据库，开发年龄-时期-队列（APC）模型以解析死亡率的时变趋势，以及训练深度学习模型对缺失年龄段的存活人数进行插值与外推预测。此外，与气候变化、经济波动等宏观指标的联合分析，有望揭示环境与社会经济因素对亚洲人群生存状况的影响路径，形成交叉学科的研究范式。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区特定年龄存活人口数的精细刻画，为人口学与全球健康领域的前沿研究注入了结构化活力。在老龄化加速与疫情冲击交织的背景下，研究者利用这一横跨48国、二十余年的纵向观测，结合性别与年龄组双重维度，深入剖析区域生存率的异质性变迁。其可拆解为时间序列与面板数据的特点，为构建精准预测模型、评估公共卫生干预成效以及量化社会政策对生存轨迹的影响提供了可靠基准。通过整合至WHO全球健康观测站体系，该数据集不仅助推了亚洲健康不平等问题的跨国实证分析，也为探索人口结构与疾病负担之间的动态耦合机制奠定了关键基石，呼应了后疫情时代对精细化健康治理的迫切需求。