electricsheepeurope/europe-who-number-of-people-diagnosed-with-new-episode-of-pulmonary-tb-wrelclindx

该数据集包含关于欧洲42个国家在2000年至2021年间“被临床诊断为新发肺结核的人数”的914条观测记录。数据来源于世界卫生组织（WHO）全球健康观察站（GHO），涵盖一个独特指标（TB_notif_num_newrel_clindx）。数据集提供了国家、年份、指标代码、数值等字段，适用于表格分类、回归和时间序列预测等任务。数据由Electric Sheep Europe重新打包发布，采用CC-BY-4.0许可证。This dataset contains 914 observations of Number of people diagnosed with new episode of pulmonary TB who are clinically diagnosed. across 42 Europe countries from 2000 to 2021, covering 1 distinct indicator. The data is sourced from the WHO Global Health Observatory (GHO), repackaged by Electric Sheep Europe, and is licensed under CC-BY-4.0. It includes fields such as indicator code, country ISO3 code, year, and numeric values, suitable for tabular classification, regression, and time-series forecasting tasks.

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健康观测站（WHO GHO），由Electric Sheep Europe团队进行系统性整理与再封装。原始数据经过严格的质量控制流程，以统一的模式化结构存储，涵盖欧洲42个国家自2000年至2021年间经临床诊断为初发肺结核新病例的统计数据。数据经规范化处理后以Parquet格式打包，确保了数据的高效读取与可复现性，并通过HuggingFace Datasets库提供便捷的加载接口。

特点

数据集包含914条观测记录，覆盖单一指标TB_notif_num_newrel_clindx，并提供了国家ISO代码、年份、数值及纬度信息等结构清晰的字段。每个观测值均附有显示数值与上下置信区间，支持面板数据与时间序列分析。数据按国家与年份组织，可轻松转换为国家×年份矩阵，便于进行跨国比较与时间趋势分析。此外，数据集严格遵守CC-BY-4.0许可协议，保障了学术与商业应用的合法性。

使用方法

用户可通过`load_dataset`函数一行代码加载该数据集至Pandas DataFrame，快速开展数据探索与建模工作。典型应用包括按国家筛选特定时间子集、绘制单一指标的时间序列趋势图，或通过透视表构建国家×年份的完整矩阵结构。该数据集适用于监督学习（分类与回归）以及时间序列预测任务，为肺结核流行病学研究与公共卫生政策评估提供了高可用性的数据基础。

背景与挑战

背景概述

该数据集由世界卫生组织（WHO）全球卫生观测站（GHO）创建，并由Electric Sheep Europe于2023年重新整理发布，聚焦欧洲地区经临床诊断的新发肺结核病例数量。肺结核作为全球公共卫生领域的重大挑战，其监测数据对评估疾病负担、制定防控策略至关重要。数据集涵盖2000至2021年间42个欧洲国家的914条观测记录，提供了统一的时间序列指标，为区域结核病流行病学研究和政策分析提供了标准化数据基础。凭借WHO的权威来源和跨年度、跨国别的结构化设计，该数据集在传染病监测、卫生系统绩效评估及国际比较研究中具有重要参考价值，推动了机器学习与时空分析在公共卫生领域的应用。

当前挑战

该数据集所解决的领域问题在于：肺结核的临床诊断数据常因各国报告标准不一、诊断方法差异而难以比较，且时间序列数据存在缺失或滞后，阻碍了区域疾病趋势的准确建模与预测。通过统一指标定义（如TB_notif_num_newrel_clindx）和标准化架构，数据集为跨国家、跨年度的定量分析奠定了基础。构建过程中的挑战包括：从WHO GHO异构API中提取并清洗长达22年的多国数据，需处理不同国家间报告格式不一致、数值缺失（如value_low字段常为空）及维度定义单一（仅含TB_CASETYPE）等问题；此外，确保时序数据连续性并整合为ML-ready的Parquet格式，对数据管道可靠性与可重复性提出了较高要求。

常用场景

经典使用场景

在公共卫生与流行病学领域，欧洲临床诊断肺结核新发病例数据集为研究者提供了跨越22年、覆盖42个欧洲国家的标准化时序观测数据。其最经典的使用场景包括国家间肺结核负担的横向对比分析、区域疫情趋势的动态监测，以及基于年份与国家的指标矩阵构建。借助该数据集，学者可轻松提取单一国家（如德国）的诊断病例序列，或通过透视表生成多国面板数据，从而支持回归建模与时间序列预测，为揭示欧洲肺结核传播的时空模式奠定基础。

衍生相关工作

该数据集衍生了一系列推动公共卫生计量方法发展的经典工作。研究者基于其面板结构构建了肺结核诊断率的多层次时空模型，刻画了国家内与国家间的变异来源；另有一些工作将其与宏观经济指标（如GDP、医疗支出）及社会经济学数据融合，运用因果推断方法评估社会决定因素对肺结核诊断的影响。此外，该数据集也作为基准被用于检验缺失数据插补算法和稀有事件预测模型在健康时序中的表现，促进了统计流行病学领域的工具创新。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲地区经临床诊断的初治肺结核新发病例人数，为区域结核病监测与防控提供了关键的时间序列数据支撑。当前前沿研究方向包括利用该跨度22年、覆盖42国的纵向记录，结合机器学习模型进行肺结核疫情时空演变规律挖掘、发病率预测及卫生政策效果评估。尤其是在后疫情时代，全球公共卫生体系面临重新调整，该数据可助力研究者量化肺结核诊断服务的中断与恢复程度，探索气候、迁移与抗生素耐药性等交叉因素对传播动力学的影响，为世界卫生组织“终结结核病战略”在欧洲的实施效果提供实证依据，彰显了权威健康数据在精准干预与资源分配中的核心价值。