electricsheepeurope/europe-who-number-of-people-notified-with-new-episode-of-tb-in-a-given

该数据集包含欧洲地区每年新发结核病病例报告人数的数据，来源于世界卫生组织全球健康观察站（WHO GHO）。数据集涵盖42个欧洲国家从2000年到2021年的时间范围，共包含4,509个观测值。核心指标为TB_notif_num，表示结核病新病例报告数量。数据列包括指标代码、国家ISO3代码、WHO区域、年份、维度类型（如结核病病例类型）和数值信息。数据集适用于表格分类、回归和时间序列预测等任务，旨在为研究人员和开发者提供标准化、机器学习友好的欧洲健康数据。This dataset contains data on the number of people notified with a new episode of tuberculosis (TB) in a given year across Europe, sourced from the WHO Global Health Observatory (GHO). It covers 42 European countries from 2000 to 2021, with 4,509 observations. The core indicator is TB_notif_num, representing the number of new TB case notifications. Columns include indicator code, country ISO3 code, WHO region, year, dimension types (e.g., TB case type), and numeric values. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, providing a standardized, ML-ready data layer for European health data.

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。原始数据经过系统化采集与清洗后，覆盖2000年至2021年间42个欧洲国家关于结核病新发病例通报人数的观测记录，共计4509条。数据集采用统一的Parquet格式存储，并规划了包含国家ISO代码、年份、指标代码及分类维度在内的规范字段结构，以便于机器学习与时间序列分析任务的直接调用。

特点

该数据集具有明确的时间跨度与地理覆盖范围，涵盖欧洲42个国家二十余年的结核病通报数据，且按不同病例类型（如全部新发病例、细菌学确诊、临床诊断等）进行维度拆分，提供五个细分维度的观测值。数据字段中包含数值主值、上下限及显示值，便于进行不确定性分析与可视化。整体采用CC-BY-4.0许可协议发布，确保数据可自由复用与引用。

使用方法

该数据集可通过HuggingFace Datasets库以一行代码加载，返回的DataFrame支持按国家筛选、按指标排序后绘制时间序列曲线，以及通过透视表构建国家×年份矩阵。使用者能够便捷地对特定结核病病例类型进行纵向趋势分析，或进行多国之间的横向对比。数据集不仅是流行病学研究的宝贵资源，也适用于表格分类、回归及时间序列预测等机器学习任务的训练与评估。

背景与挑战

背景概述

结核病（Tuberculosis, TB）作为全球面临的重大公共卫生挑战之一，其流行态势的精准监测对于制定有效防控策略至关重要。世界卫生组织（WHO）全球卫生观察站（GHO）长期致力于收集并公开各国结核病通报病例数据。在此背景下，Electric Sheep Europe团队于2021年对WHO GHO原始数据进行系统性整理与重包装，构建了涵盖42个欧洲国家、时间跨度从2000年至2021年的结核病新发病例通报数据集。该数据集包含4509条观测记录，聚焦于单一核心指标——每年新通报的结核病病例数，并提供了病例类型（如全部病例、细菌学确诊等）的细分维度。凭借其标准化的格式与完善的元数据，该数据集为欧洲区域结核病流行病学研究、趋势分析及公共卫生政策评估提供了坚实的数据基础，显著降低了研究者获取和预处理官方卫生数据的时间成本。

当前挑战

该数据集所应对的领域核心挑战在于，欧洲区域结核病通报数据的分散性与异构性阻碍了跨国家、跨时间维度的系统性比较分析。原始数据虽由WHO提供，但不同国家的报告标准、数据更新频率及历史数据覆盖完整性存在显著差异，例如部分国家在2000至2021年间仅有部分年份的数据记录。数据构建过程中面临的挑战主要包括：需统一处理来自42个国家不同数据结构与编码体系的原始文件，确保ISO3国家代码、病例类型编码（如TB_CASETYPE_ALL与TB_CASETYPE_BCPTB）等字段的标准化映射；应对部分字段（如高置信区间估值value_low与value_high）存在的缺失值；以及将宽泛的时间序列数据重塑为适用于机器学习流水线的整洁表格格式，从而支持分类、回归与时间序列预测等多类任务的高效执行。

常用场景

经典使用场景

在全球公共卫生领域，结核病（TB）作为长期威胁人类健康的重大传染病，其新发病例监测数据是流行病学研究的核心支柱。该数据集聚焦于欧洲42个国家在2000年至2021年间每年报告的结核病新发病例数量，提供了经世界卫生组织（WHO）全球卫生观察站标准化的时序统计信息。研究者可借助这一数据，勾勒出欧洲各国结核病负担的动态变化轨迹，识别高发国家与关键时间节点，亦可结合人口、经济等多维变量，深入剖析结核病传播的社会决定因素。由此，该数据集成为评估区域结核病防控成效、优化资源配置以及制定精准公共卫生干预策略不可或缺的基础工具。

实际应用

在实际应用层面，该数据集为欧洲各国公共卫生决策部门、国际卫生组织及非政府机构提供了实时监测与预警能力。通过构建基于时间序列的预测模型，公共卫生官员可预判未来数年结核病新发病例数的升降趋势，从而提前备置医疗资源、部署人员培训计划并调整疫苗接种策略。此外，该数据能与经济、气候、移民等多源信息融合，驱动智能决策支持系统的开发，例如识别高风险区域以定向开展筛查与健康教育行动。对于数据驱动的健康治理而言，该数据集还是评估国家结核病控制规划成效、监测可持续发展目标（SDG）中相关健康指标进展的可靠依据，在实现终结结核病流行这一宏伟蓝图中扮演着不可或缺的角色。

衍生相关工作

该数据集的发布催生了一系列经典后续工作，深化了结核病流行病学与数据科学交叉领域的研究。研究者以此为基础，开发了基于长短期记忆网络（LSTM）与注意力机制的结核病发病率预测模型，实现了对欧洲国家病例数的精准预报。另有工作利用该数据进行时空聚类分析，揭示了结核病在东西欧之间的持续性不均衡分布。在机器学习领域，该数据集被用于训练分类与回归算法，探索人口密度、医疗覆盖率等协变量与结核病新发病例数间的非线性关系，推动了可解释AI在公共卫生中的应用。此外，Electric Sheep Europe团队通过标准化打包与持续更新，为后续跨国健康数据整合研究建立了范本，激励了更多基于WHO全球卫生观察站数据的二次分析与仪表盘开发项目。