electricsheepeurope/europe-who-prevalence-of-overweight-among-children-and-adolescents

该数据集包含来自40个欧洲国家的16,043个观测值，涵盖了1980年至2024年期间，涉及“儿童和青少年超重患病率，BMI > 中位数+1个标准差（粗略估计）（%）”的1个独特指标。数据由世界卫生组织全球健康观察站提供，并由Electric Sheep Europe重新打包，以便于机器学习使用。数据集包括指标代码、国家ISO3代码、年份、性别和年龄组等分类维度，以及数值估计、置信区间和显示值。This dataset contains 16,043 observations of Prevalence of overweight among children and adolescents, BMI > +1 standard deviations above the median (crude estimate) (%) data across 40 Europe countries, spanning 1980–2024, covering 1 distinct indicators. It is sourced from the WHO Global Health Observatory, repackaged by Electric Sheep Europe for machine learning readiness. The data includes indicator code, country ISO3 code, year, disaggregation dimensions such as sex and age group, along with numeric estimates, confidence intervals, and display values.

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测站（WHO GHO）的权威数据，经由Electric Sheep Europe团队系统性地重新整理与标准化封装而成。数据涵盖1980年至2024年间欧洲40个国家的16,043条观测记录，聚焦于儿童与青少年超重患病率（BMI超过中位数一个标准差以上的粗估计百分比）。每个观测条目均包含指标代码、国家ISO3代码、年份、性别与年龄组别等关键维度，并以浮点数形式提供数值估计及其置信区间上下限，确保了数据的结构化与机器学习的兼容性，最终以Parquet格式发布。

使用方法

数据集的使用极为便捷，兼容HuggingFace Datasets库，用户只需一行代码`load_dataset`即可载入数据，并直接转换为Pandas DataFrame进行分析。通过过滤特定国家ISO3代码可获取单一国家的时间序列，利用`sorted_values`和`plot`方法即可快速可视化趋势。此外，通过`pivot_table`函数能够便捷地将数据重塑为国家×年份的矩阵形式，适用于面板数据回归或跨国家对比分析，极大降低了流行病学家和数据科学家在数据预处理上的负担。

背景与挑战

背景概述

儿童青少年超重与肥胖已成为全球性的公共卫生挑战，尤其在欧洲地区，其流行率的持续攀升引发了广泛关注。世界卫生组织（WHO）全球卫生观察站（GHO）作为权威健康数据来源，为追踪这一趋势提供了关键基础。该数据集由Electric Sheep Europe于2024年整理发布，收录了1980至2024年间40个欧洲国家的16,043条观测数据，聚焦于儿童青少年中体质指数超过中位数一个标准差以上的超重流行率（粗估计百分比）。通过按性别和年龄组（5-9岁、5-19岁、10-19岁）进行分层，该数据集为揭示不同人群亚组间的差异提供了精细视角，对评估欧洲区域儿童超重负担、指导预防策略及健康政策制定具有重要研究价值。

当前挑战

该数据集所解决的领域核心挑战在于系统量化儿童青少年超重流行率这一复杂健康指标在欧洲多国的时空演变规律，然而数据本身蕴含多重难点。首先，超重流行率受多种社会经济和环境因素影响，但数据集仅提供单一指标描述，缺乏反映潜在驱动因素的协变量，限制了因果推断与外推能力。其次，构建过程中面临数据源整合的挑战：不同国家的数据采集方法、抽样框架及报告标准存在固有差异，导致观测值可能存在系统性偏差；同时数据集虽覆盖较长时间跨度，但部分国家特定年份数据呈现稀疏性，可能影响时间序列分析与跨国比较的稳健性。此外，数据分层维度有限，未能涵盖如城乡、民族、教育水平等更多潜在混杂变量，削弱了探索亚组间异质性的深度。

常用场景

经典使用场景

在欧洲公共卫生研究领域，儿童与青少年超重问题一直是备受关注的焦点。该数据集收录了1980年至2024年间40个欧洲国家的儿童和青少年超重患病率（以BMI超过中位数一个标准差以上的比例衡量）的时序观测数据，共计16,043条记录。它最经典的使用场景是作为时间序列预测和面板数据分析的核心数据源，研究者可以借此构建长期趋势模型，追踪不同性别和年龄组（5-9岁、10-19岁及5-19岁整体）超重率的演变轨迹，从而洞悉欧洲区域儿童肥胖流行的时空动态。

解决学术问题

该数据集精准回应了儿童肥胖流行病学中的若干关键学术难题。其一，它借助跨越四十四年的纵向观测，为揭示超重率在国家、性别与年龄维度上的异质性提供了坚实证据，助力学者识别高危人群与热点地区。其二，数据集中包含的置信区间（value_low与value_high）允许开展稳健的元分析与不确定性量化，解决了单点估计无法反映统计精度的局限。其三，这些标准化、经过WHO审核的指标为检验公共卫生政策（如含糖饮料税、校园营养干预）的长期效能提供了对照基准，对理解欧洲肥胖治理的成效与挑战具有深远意义。

实际应用

在实际应用中，该数据集的价值超越了学术边界，直接服务于公共卫生决策与临床实践。公共卫生机构可利用其时间序列预测功能，提前预警超重流行趋势的恶化区域，从而动态调整预防资源配置。教育部门与学校健康项目可依据性别和年龄分层的数据，设计针对性的体重管理干预方案。此外，该数据还为跨国健康评估系统（如欧洲健康指标数据库）提供了标准化输入，支持政策制定者在国家间比较肥胖负担，并量化可持续发展目标中与健康相关的进展。

数据集最近研究

最新研究方向

围绕欧洲儿童与青少年超重流行率的长期趋势挖掘与健康不平等研究成为前沿热点，该数据集凭借1980至2024年间覆盖40个国家的16,043条观测记录，为分析BMI超标率的时空演变提供了坚实的数据基础。结合世界卫生组织全球卫生观测站的高质量来源，研究者正利用其中的性别与年龄分层维度，探索不同亚群体间的差异模式，并借助时间序列预测模型勾勒区域健康风险演变轨迹。这一数据集不仅支撑着对全球肥胖危机的追踪，也在应对欧洲日益加剧的儿童肥胖公共卫生挑战中，成为推动政策干预与健康促进策略优化的关键实证依据。