electricsheepasia/asia-who-estimated-number-of-people-living-with-hiv

该数据集包含世界卫生组织全球健康观察站（WHO GHO）提供的关于亚洲36个国家2000年至2024年期间所有年龄段艾滋病毒感染者估计人数的数据。数据集包含876个观察值，涵盖1个独特指标（指标代码：HIV_0000000001），每个观察值包括国家ISO3代码、WHO区域、年份、数值估计（包括数值、低值和高值）以及最后更新日期。数据以表格形式组织，适用于表格分类、回归和时间序列预测等任务。

This dataset contains data on the estimated number of people (all ages) living with HIV across 36 Asia countries from 2000 to 2024, sourced from the WHO Global Health Observatory (GHO). It includes 876 observations covering 1 distinct indicator (indicator code: HIV_0000000001), with each observation containing country ISO3 code, WHO region, year, numeric estimates (including value, low, and high), and last updated date. The data is structured in tabular format and is 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 Asia团队重新整理并封装为HuggingFace数据集格式。数据集以Parquet文件形式发布，原始数据通过WHO官方API或定期更新机制获取，涵盖亚洲36个国家从2000年至2024年的艾滋病病毒感染人数估计值。构建过程中，对原始指标进行标准化处理，统一了列名、数据类型和缺失值表示，最终形成包含876条观测记录的表格数据，每条记录包括国家代码、年份、估计值及其置信区间等关键字段。

使用方法

用户可通过HuggingFace的datasets库直接加载数据集，仅需一行代码即可获得pandas DataFrame格式的表格数据。加载后，可按国家ISO3代码筛选特定国家的数据，例如筛选印度尼西亚的全部记录。对于时间序列分析，可依据indicator_code和year字段排序并绘制趋势图。此外，支持通过透视表操作将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或机器学习建模。数据集还提供了最后一次更新时间的元数据字段，帮助用户追踪数据新鲜度。

背景与挑战

背景概述

该数据集由世界卫生组织（WHO）全球卫生观察站（GHO）发布，经Electric Sheep Asia团队整理后于2024年上线HuggingFace平台，聚焦亚洲36个国家2000至2024年间各年龄段HIV感染者估算人数的纵向数据。核心研究问题在于追踪亚洲地区HIV流行趋势的演变，为区域流行病学建模、公共卫生资源配置及政策制定提供量化依据。作为WHO官方数据在亚洲区域的标准化重封装，该数据集填补了高频率、多国别时间序列HIV数据在机器学习流水线中的空白，为传染病预测、时空聚类分析及卫生经济学研究提供了可靠基础。其影响力体现在：既延续了WHO-GHO作为全球权威健康数据源的传统，又通过HuggingFace生态降低了非传统研究者（如数据科学家、AI工程师）获取并利用官方卫生数据的门槛。

当前挑战

该数据集所解决的领域问题核心挑战在于：HIV流行态势具有显著的时空异质性，亚洲各国及地区的检测能力、报告标准和医疗基础设施差异巨大，导致跨国统一估算模型长期面临数据稀疏性与不确定性问题。此外，原始数据包含上限与下限区间（value_low/value_high）而非单一精确值，这对传统监督学习模型的输入规范构成了技术挑战。在构建过程中，Electric Sheep Asia团队遇到的主要困难是：需从WHO-GHO的非结构化接口中爬取并清洗大量历史数据，处理因国家代码、年份格式不一致带来的模式对齐问题，同时确保对36个国家25年跨度内缺失年份的正确插值与标注，以生成896条观测值的干净表格。最终形成的Schema结构为时间序列预测、分类与回归等多任务场景提供了标准化的数据入口。

常用场景

经典使用场景

该数据集汇聚了世界卫生组织全球卫生观察站关于亚洲36个国家2000年至2024年间各年龄段人群艾滋病病毒感染者估计人数的翔实记录，共计876条观测。其最经典的运用场景在于构建跨国别、跨年代的时间序列分析模型，研究者可借此描绘艾滋病病毒在亚洲地区近四分之一世纪间的流行轨迹与演变特征。这一高质量的结构化数据尤为适合作为面板数据回归分析和传染病动力学的实证素材，帮助学者揭示区域间感染态势的异质性及其潜在驱动因素。

解决学术问题

长期以来，亚洲地区因数据碎片化和口径不统一，导致关于艾滋病病毒携带者数量的宏观研究面临严峻挑战，难以形成具有跨可比性的区域认知。该数据集正是回应了这一问题，通过标准化整理世界卫生组织官方发布的统一指标，为流行病学与全球卫生治理的学术探索奠定了坚实的数据根基。它有效填补了跨国长时序宏微观耦合研究的空白，使得学者能够量化分析防治政策的长期效应、社会经济因素与感染率变迁之间的复杂关联，进而推动公共卫生领域循证决策的科学化进程。

实际应用

在实际应用层面，该数据集所提供的信息能够直接服务于亚洲各国家及区域卫生管理部门的资源配置与干预策略部署。例如，当与人口统计、医疗资源分布等数据融合后，可用于指导抗逆转录病毒治疗药品的采购规划与医疗服务的精准投放。国际组织和非政府机构亦可借助其对各国疫情的发展趋势进行动态评估，区分高危群体并优化宣传教育的覆盖范围，从而在有限的公共卫生预算内实现成本效益最大化的防控效果。

数据集最近研究

最新研究方向

在全球公共卫生领域，艾滋病病毒（HIV）感染者数量的时空动态监测一直是流行病学研究的核心议题。该数据集整合了世界卫生组织全球卫生观测站（WHO GHO）关于亚洲36个国家2000至2024年间各年龄段HIV感染者估计人数的官方统计，为区域疫情研判提供了稀缺的高质量时序面板数据。当前，利用此类细粒度、跨国别的纵贯数据，研究者得以采用贝叶斯时空模型或广义相加模型，精准刻画亚洲HIV流行率的长期趋势与地理异质性，并评估“90-90-90”防治目标在亚太地区的实际进展。伴随全球艾滋病防控重点向2030年终结艾滋病流行的战略转移，该数据集不仅支持了对新冠疫情前后服务中断与反弹效应的量化分析，还催生了针对东南亚与南亚特定人群中发病率拐点的识别研究，为资源有限环境下的精准干预策略提供了实证基础，深刻影响着区域性卫生政策的循证制定。