electricsheepeurope/europe-who-cases-started-on-mdr-tb-treatment

该数据集包含欧洲地区开始接受耐多药结核病（MDR-TB）治疗病例的数据，涵盖42个欧洲国家，时间跨度为2009年至2024年，共包含532个观测值和1个独立指标。数据来源于世界卫生组织全球健康观察站（WHO GHO），主题为开始接受MDR-TB治疗的病例。数据集包含多个字段，如指标代码（例如TB_c_mdr_tx）、国家ISO3代码、WHO区域、年份、数值等。该数据集由Electric Sheep Europe重新打包，旨在为欧洲提供一个统一、机器学习就绪的数据层。This dataset contains data on cases started on multidrug-resistant tuberculosis (MDR-TB) treatment in Europe, covering 42 European countries from 2009 to 2024, with 532 observations and 1 distinct indicator. The data is sourced from the WHO Global Health Observatory (GHO) and focuses on the topic Cases started on MDR-TB treatment. The dataset includes fields such as indicator code (e.g., TB_c_mdr_tx), country ISO3 code, WHO region, year, numeric value, etc. It is repackaged by Electric Sheep Europe as part of a unified, ML-ready data layer for Europe.

搜集汇总

数据集介绍

构建方式

本数据集由Electric Sheep Europe基于世界卫生组织全球卫生观察站（WHO GHO）的原始数据重新封装而成，旨在为欧洲地区的耐多药结核病（MDR-TB）治疗启动病例提供标准化、机器学习就绪的数据资源。数据集涵盖了2009年至2024年间42个欧洲国家的532条观测记录，每条记录包含指示代码、国家ISO3编码、世卫组织区域、年份、数值及上下限等字段，并以Parquet格式存储，确保高效的数据加载与处理。其构建过程强调数据清洗与模式统一，通过自动化的Electric Sheep管道完成数据摄取与规范化，最终形成可直接通过HuggingFace Datasets库加载的整洁表格。

特点

该数据集的核心特色在于其聚焦性与时效性，专门追踪欧洲地区耐多药结核病治疗启动病例这一单一但关键的公共卫生指标，覆盖长达16年的时序数据，为流行病学分析提供了连续的时间序列基础。数据涵盖42个欧洲国家，包括阿尔巴尼亚、爱沙尼亚、乌克兰等，且各国观测年份分布均衡，多数国家拥有15至16条记录，便于进行跨国比较与趋势研究。此外，数据集附带置信区间字段（value_low与value_high），尽管部分区间缺失，仍为量化不确定性提供了可能，而last_updated字段则确保用户可追溯数据的更新状态。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数一键加载数据，并转为Pandas DataFrame进行后续操作。典型使用场景包括按国家筛选（如过滤ISO3代码为'DEU'的德国数据）、按指示代码进行单指标时间序列分析（如绘制TB_c_mdr_tx随年份的变化曲线），或通过透视表将数据重塑为国家×年份的矩阵以支持面板数据分析。数据集结构简洁，包含9列字段，其中value_numeric为浮点型数值，便于直接用于回归或分类建模；indicator_code与country_iso3则为分类任务提供了明确的标签基础。

背景与挑战

背景概述

耐多药结核病（MDR-TB）作为全球公共卫生领域的重大威胁，其治疗覆盖率的监测对于评估防控策略至关重要。该数据集由世界卫生组织全球卫生观察站（WHO GHO）于2024年整理发布，并经Electric Sheep Europe重新封装，收录了2009年至2024年间欧洲42个国家关于“MDR-TB治疗启动病例”的532条观测记录。数据集聚焦于单一核心指标（TB_c_mdr_tx），为区域性的时间序列分析提供了标准化、机器可读的素材。其发布填补了欧洲MDR-TB治疗启动数据的结构化空白，赋能流行病学建模、卫生政策评估及跨国比较研究，对推动抗结核药物耐药性监测具有重要参考价值。

当前挑战

该数据集的核心挑战在于应对耐多药结核病治疗覆盖率的监测障碍。领域层面，MDR-TB的诊断与治疗衔接不畅、各国报告系统差异及治疗结果定义的异质性，导致跨国可比性受限，影响全球消除结核病策略的效果评估。构建过程中，数据融合面临时空维度不均衡的难题：42个国家中部分国家年份缺失，且指标值存在零值及置信区间标记缺失（如value_low、value_high字段为占位符），需处理稀疏性与不完整性问题。此外，原始数据来源于WHO GHO不同时期的数据快照，需协调更新时滞及元数据对齐，确保时间序列的一致性。

常用场景

经典使用场景

在全球公共卫生监测与传染病流行病学研究中，该数据集为研究者提供了欧洲42个国家在2009至2024年间耐多药结核病治疗启动病例的标准化记录。其最经典的使用场景在于构建纵向时间序列模型，以追踪MDR-TB治疗覆盖率的动态演变，并通过国家间的横向比较，揭示不同卫生体系对耐药结核病管控的效能差异。此外，该数据也常被用于面板数据分析，结合宏观经济或卫生政策变量，评估干预措施对治疗启动数量的影响。

实际应用

在实际应用层面，该数据集是国家卫生机构和国际组织（如WHO欧洲区域办事处）评估各国MDR-TB治疗项目执行情况的基础依据，帮助监测《终止结核病战略》在欧洲的阶段性目标达成度。公共卫生决策者可据此进行资源分配优化，将治疗资源精准投向覆盖率偏低或下降趋势明显的国家与年份。同时，数据也可服务于传染病预警系统的输入特征工程，用以驱动治疗需求预测与药物供应链规划。

衍生相关工作

基于该数据集，研究者已衍生出若干经典工作，包括利用随机效应模型或贝叶斯分层框架对东欧与西欧治疗启动差异进行归因分析，以及将治疗数据与结核病发病率、耐药率数据融合，构建MDR-TB全周期患者级联联合模型。此外，亦有工作依托该时序数据设计了基于Transformer的短序列预测基准，检验小样本条件下深层网络在低资源模式下的外推能力，推动了传染病时序预测方法的迁移学习探索。