electricsheepeurope/europe-who-reported-number-of-children-receiving-antiretroviral-therapy

该数据集包含关于儿童接受抗逆转录病毒治疗报告数量的数据，覆盖16个欧洲国家，时间跨度为2000年至2024年，共有345个观察值，涉及1个独特指标。数据来源于世界卫生组织全球健康观察站（WHO GHO），主题聚焦于儿童抗逆转录病毒治疗情况，适用于表格分类、表格回归和时间序列预测等任务。This dataset contains 345 observations of Reported number of children receiving antiretroviral therapy data across 16 Europe countries, spanning 2000 to 2024, covering 1 distinct indicator. It is sourced from the WHO Global Health Observatory (GHO) and focuses on childrens antiretroviral therapy, suitable for tasks such as tabular classification, regression, and time-series forecasting.

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），由Electric Sheep Europe团队进行重新封装与标准化处理。数据采集范围覆盖欧洲16个国家，时间跨度从2000年至2024年，共包含345条观测记录。构建流程严格遵循权威数据源提取、模式统一化及Parquet格式打包的标准化管线，通过HuggingFace Datasets库的load_dataset接口即可直接调用，为研究者提供了即开即用的便捷体验。

特点

数据集聚焦于单一核心指标——接受抗逆转录病毒治疗的儿童报告人数（HIV_0000000011），结构简洁而清晰。每一条观测均包含国家ISO代码、WHO区域、年份、数值及其上下界信息，支持跨国家、跨年份的纵向比较与分析。小规模样本（n<1K）特性使其特别适合快速探索与原型验证，同时cc-by-4.0许可协议保障了数据使用的合法性与开放性。

使用方法

使用者首先通过load_dataset函数加载数据，并转换为Pandas DataFrame以进行后续操作。可利用条件过滤提取特定国家的子集，或按指标代码筛选后按年份排序以观察时间序列趋势。通过数据透视表功能，可将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析。数据集兼容分类、回归及时序预测等多种任务场景，且提供了详细的引用格式供学术致谢使用。

背景与挑战

背景概述

在人类免疫缺陷病毒（HIV）感染的治疗进程中，儿童群体因其独特的生理特征与药物代谢差异，面临更高的治疗挑战与风险。世界卫生组织（WHO）全球卫生观测站（GHO）通过长期监测各国抗逆转录病毒治疗的覆盖率，为全球艾滋病防治策略的制定提供了关键数据支撑。由Electric Sheep Europe于2024年重新整理并公开的《欧洲报告的接受抗逆转录病毒治疗的儿童人数》数据集，聚焦于2000年至2024年间阿尔巴尼亚、保加利亚、卢森堡等16个欧洲国家的345条观测记录，其核心研究问题在于量化欧洲区域儿童抗病毒治疗的可及性与时空分布特征。该数据集作为开源公共卫生资源，采用CC-BY-4.0许可协议发布，不仅为流行病学研究、跨国卫生政策比较提供了规范化的纵向数据，更促进了机器学习在时间序列预测与健康指标建模中的跨界应用，对全球健康治理的数字化进程具有推动意义。

当前挑战

该数据集所应对的领域挑战首先在于儿童HIV治疗监测的生物学与统计学复杂性：儿童患者对药物剂量的敏感性及长期依从性数据的高缺失率，使得传统成人治疗模型难以直接迁移，而时空分布的稀疏性（如冰岛仅覆盖2000至2018年、爱尔兰仅8条记录）进一步加剧了统计推断的困难。在数据构建层面，主要挑战体现为多源异构数据的标准化融合——原始数据来自WHO GHO不同年份的手工填报与更新机制，需消除各国报告口径差异（如低值与高值置信区间的标记缺失）、数据时区转换（如最后更新时间字段含时区信息）以及年份不连续性带来的插补难题，同时维护345条小样本在16个国家间的纵向可比性，这对数据清洗的鲁棒性与元数据管理提出了严苛要求。

常用场景

经典使用场景

在公共卫生与流行病学领域，该数据集常用于追踪与分析欧洲地区儿童接受抗逆转录病毒治疗（ART）的覆盖率与时间演变趋势。研究者可借助其结构化面板数据，对16个欧洲国家在2000至2024年间儿童ART治疗人数进行纵向描述性统计，揭示各国在消除儿童艾滋病疫情方面的进展差异。通过将国家ISO代码与年份作为双维度交叉索引，学者能够绘制出治疗人数的时间序列曲线，评估区域卫生政策的实施效果，并识别出治疗覆盖不足的国家与年份，为后续干预措施提供数据支撑。

解决学术问题

该数据集解决了全球健康研究中关于儿童艾滋病治疗可及性量化评估的长期数据空白问题。在学术层面，它使得研究者能够系统性地比较不同欧洲国家在儿科ART服务覆盖上的历史轨迹，从而检验‘90-90-90’目标在欧洲儿童群体中的达成程度。此外，结合世界卫生组织其他健康指标（如HIV发病率、母婴传播率），该数据集有助于构建多变量回归模型，探讨治疗人数变化与经济水平、卫生支出、政策法规等因素之间的关联，深化对影响儿童抗逆转录病毒治疗覆盖关键驱动因素的理解。

衍生相关工作

该数据集衍生了一系列富有影响力的研究工作，包括基于面板数据模型探究东欧与西欧之间儿童ART治疗差异的对比研究，以及利用时间序列预测方法（如ARIMA模型）预估未来五年治疗需求量的前瞻性分析。部分学者将其与WHO全球卫生观测站的其他儿科数据集（如儿童HIV新发感染率、ART药物库存数据）进行联合挖掘，构建出从诊断到治疗全链条的卫生系统绩效评价框架。此外，该数据集也被用于训练机器学习分类器，以识别可能导致治疗中断的地区性风险因素，推动精准公共卫生策略的发展。