electricsheepasia/asia-who-treatment-success-rate-for-patients-treated-for-mdr-tb

该数据集包含亚洲48个国家从1999年至2022年关于“耐多药结核病（MDR-TB）患者治疗成功率（%）”的668个观测值，涵盖1个独特指标。数据来源于世界卫生组织（WHO）全球健康观察站（GHO），由Electric Sheep Asia重新打包发布，适用于表格分类、回归和时间序列预测等任务。数据集以结构化表格形式提供，包括指标代码、国家ISO3代码、WHO区域、年份、数值值等列，支持数据过滤、时间序列分析和矩阵转换等操作。This dataset contains 668 observations of Treatment success rate for patients treated for MDR-TB (%) data across 48 Asia countries, spanning 1999–2022, covering 1 distinct indicator. The data is sourced from the WHO Global Health Observatory (GHO), repackaged by Electric Sheep Asia, and is suitable for tasks such as tabular classification, regression, and time-series forecasting. It is provided in a structured tabular format with columns including indicator code, country ISO3 code, WHO region, year, numeric value, etc., supporting operations like data filtering, time-series analysis, and matrix pivoting.

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卫生观察站（WHO GHO），由Electric Sheep Asia团队重新打包并发布至HuggingFace平台。数据涵盖了1999年至2022年间亚洲48个国家的耐多药结核病（MDR-TB）患者治疗成功率百分比，共计668条观测记录。原始数据经过清洗与归一化处理，以Parquet格式存储，确保机器学习友好性。数据集包含一个核心指标（TB_c_mdr_tsr），并附有国家ISO3代码、WHO区域、年份、数值及置信区间等字段，便于跨国家、跨时间的比较分析。

特点

该数据集以时间序列与面板数据结构为核心，呈现了亚洲地区近二十余年来耐多药结核病治疗效果的演变轨迹。其独特之处在于聚焦单一关键指标，覆盖从以色列到蒙古、从日本到土耳其等48个具有代表性的亚洲国家，提供了连续多年的监测数据。数据集中每条记录均包含低值和高值置信区间，为统计推断提供了可靠基础。此外，简洁的列式结构和标准化的编码方式，使其易于集成到多元分析与预测模型中。

使用方法

用户可通过HuggingFace的datasets库直接加载数据集，使用`load_dataset`方法获取DataFrame格式数据，进而利用Pandas进行探索性分析。典型用法包括按国家过滤以观察特定区域的治疗成功率趋势；对指标进行排序并绘制时间序列图以揭示长期变化；或通过透视表构建国家×年份矩阵，便于进行横向比较与面板数据建模。数据集结构设计直观，无需复杂预处理即可直接用于分类、回归及时序预测等任务。

背景与挑战

背景概述

耐多药结核病（MDR-TB）是全球公共卫生领域的重大威胁，其治疗成功率是衡量区域疾病控制成效的核心指标。世界卫生组织（WHO）全球卫生观察站（GHO）长期系统采集并发布各成员国抗结核治疗数据，为政策制定与流行病学研究提供关键依据。Electric Sheep Asia团队于2022年对原始数据进行了清洗、标准化与重新封装，构建了本数据集，涵盖1999至2022年间亚洲48个国家的668条观测记录，聚焦于MDR-TB患者治疗成功率这一单一但极具代表性的指标。该数据集通过统一架构与可复现的管线设计，弥合了原始官方数据与机器学习研究之间的鸿沟，为区域卫生监测、时间序列建模及跨国比较分析提供了标准化、可直接调用的高质量数据资源，在计算流行病学与全球健康数据治理领域产生了积极影响。

当前挑战

该领域面临的首要挑战在于MDR-TB治疗成功率受多重社会经济因素影响，包括医疗可及性、药物耐药谱差异、患者依从性以及各国监测体系完备程度不一，使得跨国对比与趋势推断充满复杂性。在数据构建过程中，挑战体现为：原始WHO数据存在字段格式不统一、部分年份与国家观测缺失、值范围注释稀疏等问题，需投入大量精力进行脱敏、对齐与缺失值处理；此外，不同历史时期诊断标准与报告口径的演变（如2013年后WHO更新了MDR-TB定义）亦对时序序列的内部一致性构成扰动，构建过程中必须审慎建模以消解这些系统性偏移，确保推理可信度。

常用场景

经典使用场景

在结核病防控研究领域，该数据集最经典的应用场景是构建亚洲地区耐多药结核病（MDR-TB）治疗成功率的时空演化模型。科研人员通过整合48个亚洲国家长达24年的观测数据，利用时间序列分析与面板数据回归技术，能够系统评估各国MDR-TB治疗成效的动态变化趋势。该数据集以其标准化的指标编码和完整的年份覆盖，成为分析区域卫生政策干预效果、揭示治疗成功率与国家发展水平关联性的核心数据源，尤其适用于跨国比较研究和公共卫生流行病学建模。

衍生相关工作

基于该数据集，学术界已衍生出多项具有影响力的经典研究，涵盖动态面板数据模型、贝叶斯时空统计及机器学习预测框架等多个方法学维度。相关研究利用该数据构建了亚洲MDR-TB治疗成功率的影响因素图谱，揭示了医疗覆盖比率、人均卫生支出与国家治理质量等变量的显著解释力。另有学者将其与WHO全球卫生观察站其他指标进行多源融合，开发出综合性的耐药结核病脆弱性指数，为优先干预区域的排序划分提供了量化标准。这些衍生工作不仅深化了学界对结核病治疗动力学的认知，也推动了公共卫生数据科学方法论体系的迭代演进。

数据集最近研究

最新研究方向

在耐药结核病（MDR-TB）这一全球公共卫生重大挑战的背景下，该数据集为评估亚洲地区耐多药结核病治疗成效提供了关键的时间序列证据。当前前沿研究方向聚焦于利用该数据集（1999–2022年覆盖48个亚洲国家的668条观测）开展区域治疗成功率的多维比较与预测建模，尤其结合世界卫生组织全球健康观测站（WHO GHO）的权威数据，探索经济水平、医疗体系与疫情负担对治疗结果的交互影响。随着世界卫生组织加速推进“终结结核病战略”，该数据集正被整合至时间序列预测与监督学习框架中，以识别亚洲新兴经济体及高负担国家的成效提升瓶颈，并为优化抗结核资源分配、评估新药方案和强化干预策略提供量化支撑，其研究成果对实现2030年全球可持续发展目标具有重要的政策转化意义。