electricsheepeurope/europe-who-treatment-success-rate-for-patients-treated-for-mdr-tb

该数据集包含欧洲35个国家2002年至2022年间关于“耐多药结核病（MDR-TB）患者治疗成功率（%）”的454个观测值，涵盖1个独特指标（TB_c_mdr_tsr）。数据来源于世界卫生组织全球健康观察站（WHO GHO），由Electric Sheep Europe重新包装，以提供统一的、适用于机器学习的数据层。数据集以表格形式组织，包括指标代码、国家ISO3代码、世界卫生组织区域、年份、数值、低值、高值、显示值和最后更新时间等列，可用于表格分类、回归和时间序列预测等任务。This dataset contains 454 observations of Treatment success rate for patients treated for MDR-TB (%) data across 35 Europe countries, spanning 2002–2022, covering 1 distinct indicator (TB_c_mdr_tsr). The data is sourced from the WHO Global Health Observatory (GHO) and repackaged by Electric Sheep Europe to provide a unified, ML-ready data layer. It is organized in tabular format with columns such as indicator_code, country_iso3, who_region, year, value_numeric, value_low, value_high, value_display, and last_updated, suitable for tasks like tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

本数据集源自世界卫生组织全球健康观测站（WHO GHO），由Electric Sheep Europe团队系统性地重新封装与标准化处理而成。数据涵盖2002年至2022年期间，收集了35个欧洲国家关于耐多药结核病（MDR-TB）患者治疗成功率的454条观测记录。原始数据经严格清洗与格式统一后，以结构化表格形式呈现，包含indicator_code、country_iso3、who_region、year及value_numeric等核心字段，并同时保留value_low、value_high及value_display等辅助信息，确保数据的完整性与可追溯性。

特点

该数据集具有鲜明的地域与时间纵向特征，覆盖了35个欧洲国家长达21年的观测序列，为区域性的公共卫生趋势分析提供了高密度的时间断面。数据集仅聚焦于单一核心指标——耐多药结核病治疗成功率，指标维度简洁而精确，便于研究者进行纵向比较与跨国对比分析。此外，数据已经过规范化处理，可直接适用于分类、回归及时序预测等多种机器学习任务，具备极佳的跨平台适用性与即用性。

使用方法

用户可通过HuggingFace Datasets库简便加载该数据集，仅需一行代码即可将其转换为Pandas DataFrame格式，便于后续的数据探索与建模工作。数据集支持多种典型分析操作，如按国家代码过滤以获取特定国家的历史趋势，或按指标代码排序以生成单指标的时间序列折线图。更高级的应用包括通过透视表将数据重塑为国家×年份的矩阵形式，以支持区域间比较或聚类分析，从而深入洞察欧洲范围内耐多药结核病治疗效果的时空演化规律。

背景与挑战

背景概述

耐多药结核病（MDR-TB）作为全球公共卫生领域的重大威胁，其治疗成功率一直是世界卫生组织（WHO）重点监测的核心指标。该数据集由世界卫生组织全球卫生观察站（GHO）于2022年正式发布，经Electric Sheep Europe重新封装后收录于HuggingFace平台，旨在系统记录2002至2022年间欧洲35个国家MDR-TB患者的治疗成功率。数据集涵盖454次观测，以单一指标代码TB_c_mdr_tsr为核心，通过标准化表格结构提供按国家、年份分层的数值数据，为评估欧洲地区MDR-TB防控成效、分析跨国治疗差异及追踪长期趋势提供了权威且可复现的量化基础。其发布不仅填补了欧洲MDR-TB治疗结局领域结构化公开数据的空白，更为全球结核病控制策略的制定与优化提供了关键实证支撑。

当前挑战

该数据集面临的核心挑战在于其针对的领域问题本身：MDR-TB治疗成功率受多重因素交织影响，包括但不限于药物可及性、患者依从性、医疗基础设施水平及耐药菌株的时空异质性，传统单一指标难以全面反映治疗结局的真实动态。此外，构建过程中遭遇显著困难：原始数据由各国卫生机构独立上报，上报标准与时间节点的差异导致跨国的时序可比性受限，部分国家因数据缺失或迟报（如表格所示，观察数量从15至21不等，首末年份亦非完全对齐）而需引入插补或建模处理，潜在引入偏倚。同时，数据集仅提供聚合层面的数值，缺少个体患者层面的协变量如年龄、性别或合并症信息，这限制了更深层次因果推断与亚组分析的开展。

常用场景

经典使用场景

该数据集收录了2002至2022年间欧洲35个国家针对耐多药结核病（MDR-TB）患者治疗成功率的官方监测数据，共计454条观测记录。其最经典的使用场景在于构建跨国别、长时序的治疗效果评估模型，通过国家代码、年份与指标代码等结构化字段，研究者可灵活地按国家筛选、按时间序列分析或构建国家×年矩阵，从而深入探究欧洲区域内MDR-TB治疗成效的动态演变规律与区域差异。

衍生相关工作

基于该数据集，已有研究衍生出关于欧洲MDR-TB治疗成功率的时空风险预测模型，以及探究治疗成功率与社会经济地位、HIV共感染率等变量关联性的多元回归分析。这些经典工作不仅深化了对耐多药结核病流行规律的理解，还催生了跨数据库整合的标准化数据处理流程（如Electric Sheep Europe的数据重打包实践），为后续学者快速复现和拓展分析提供了可借鉴的技术范式与高质量数据源。

数据集最近研究

最新研究方向

当前，基于WHO全球卫生观察站发布的欧洲耐多药结核病（MDR-TB）治疗成功率数据集，前沿研究方向聚焦于利用时间序列建模与多国对比分析，揭示欧洲各国在MDR-TB防控中的动态成效差异。结合全球耐药结核病防控的紧迫议程，该数据为评估世界卫生组织“终结结核病战略”在欧洲的阶段性进展提供了关键实证。通过机器学习预测治疗成功率的时空演变趋势，研究者能够识别治疗成功率持续偏低的国家群，并关联社会经济与卫生系统韧性等协变量，为优化区域化干预策略、缩小跨境健康不平等提供数据驱动的决策支撑。这一方向不仅强化了全球公共卫生监测体系的循证能力，也推动了耐药结核病管理从经验性防控向精准化、智能化转型。