electricsheepasia/asia-who-prevalence-of-thinness-among-children-and-adolescents

该数据集包含关于亚洲儿童和青少年消瘦患病率的数据，具体指标为BMI低于中位数-2个标准差的儿童和青少年消瘦患病率（粗估计）（%）。数据涵盖48个亚洲国家，时间跨度为1980年至2024年，共有19,438个观测值。数据集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。数据包括指标代码、国家ISO3代码、WHO地区、年份、性别和年龄组维度（如性别分男、女和合计，年龄组分5-9岁、5-19岁和10-19岁），以及数值估计值、置信区间和显示值。该数据集适用于表格分类、回归和时间序列预测等任务，旨在为亚洲健康研究提供机器学习就绪的数据层。This dataset contains data on the prevalence of thinness among children and adolescents in Asia, specifically the indicator Prevalence of thinness among children and adolescents, BMI < -2 standard deviations below the median (crude estimate) (%). It covers 48 Asian countries from 1980 to 2024, with 19,438 observations. The data is sourced from the World Health Organization (WHO) Global Health Observatory (GHO) and repackaged by Electric Sheep Asia. It includes indicator code, country ISO3 code, WHO region, year, disaggregation dimensions (such as sex and age groups, e.g., sex categories: both sexes, female, male; age groups: 5-9 years, 5-19 years, 10-19 years), along with numeric estimates, confidence intervals, and display values. The dataset is suitable for tasks like tabular classification, regression, and time-series forecasting, and is designed as a machine-learning-ready data layer for health research in Asia.

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，由Electric Sheep Asia团队重新整理打包。数据采集覆盖1980年至2024年期间，涵盖48个亚洲国家，共计19438条观测记录。每条记录包含指标代码、国家ISO编码、年份、性别与年龄组等维度的细分信息，以及数值估计及其置信区间。原始数据经过模式标准化处理后，以Parquet格式存储，确保了数据结构的一致性与机器学习就绪性。

使用方法

用户可通过HuggingFace Datasets库以`load_dataset()`函数一键加载该数据集，返回的Pandas DataFrame可直接用于数据探索。典型应用包括按国家筛选进行局部时序分析、按年份与指标代码绘制趋势图，或构建国家×年份的透视矩阵以观察区域整体变化。该数据集还可直接用于表格分类、回归分析或时间序列预测任务，极大降低了亚洲健康数据应用的门槛。

背景与挑战

背景概述

在全球公共卫生领域，儿童与青少年的营养健康状况一直是评估社会发展与卫生系统效能的核心指标。世界卫生组织（WHO）全球卫生观察站（GHO）长期系统性地追踪各国健康数据，于2024年由Electric Sheep Asia团队重新整理并发布了这一聚焦亚洲地区消瘦患病率的数据集。该数据集涵盖了1980年至2024年间48个亚洲国家的19,438条观测记录，核心指标为BMI低于中位数两个标准差以下的儿童与青少年消瘦比例（粗估计值），旨在为区域性的营养政策制定、流行病学趋势分析及跨国家比较提供可靠的数据基础。作为WHO官方数据在机器学习领域的标准化封装，该数据集极大便利了研究者快速获取高质量时间序列与分类回归数据，对推动亚洲地区儿童营养健康研究的实证分析与模型构建具有深远影响。

当前挑战

该数据集所应对的核心领域挑战在于，儿童消瘦率在亚洲各国间存在显著的地理、经济与时序异质性，且原始数据往往因统计标准不一、来源分散而难以直接用于跨国家或长时间维度的量化分析；传统研究常受限于数据碎片化与预处理的高昂成本。在构建过程中，挑战主要体现在对WHO GHO原始数据的规范化重构上，包括需处理多维度分类变量（如性别、年龄组）、确保48个国家在44年跨度内时间序列的完整性、解决因不同年份与地区产生的数据缺失与置信区间表达问题，最终转化为统一的表格化结构以支持多任务学习，如时间序列预测与回归分析。

常用场景

经典使用场景

在亚洲儿童与青少年健康研究领域，该数据集被广泛用于分析体重过轻（BMI低于中位数2个标准差）的流行趋势。研究者可借助其跨越1980至2024年、覆盖48个亚洲国家的19,438条观测记录，开展长时间序列的流行病学分析。经典用法包括绘制特定国家或地区的年度流行率变化曲线，揭示营养不良问题的演变轨迹；或通过构建国家×年份的透视矩阵，进行跨国对比研究，识别高负担区域与潜在的保护因素。数据中还包含性别与年龄组（如5-9岁、10-19岁）的分层信息，支持更精细的亚群体分析。这些应用为理解亚洲地区儿童营养状况的历史变迁与地理差异提供了坚实的数据基础。

解决学术问题

该数据集破解了亚洲地区儿童青少年体重过轻流行率长期缺乏统一、跨国产出数据的学术困境。它系统性地回答了三个核心问题：其一，亚洲各国在过去四十余年间体重过轻的流行率如何动态演变？其二，不同性别与年龄组间的差异是否随时间扩大或缩小？其三，哪些国家在消除儿童营养不良方面取得了显著进展，而哪些地区仍深陷危机？通过提供世界卫生组织全球卫生观测站的权威指标，该数据集使学者能够量化评价公共卫生干预措施的成效，验证营养改善政策与经济发展、教育普及等因素的关联性，从而推动全球营养转型与可持续发展目标监测等领域的理论深化与实证研究。

实际应用

在公共卫生实践中，该数据集成为亚洲各国卫生部门与联合国机构制定营养干预策略的重要支撑。应用场景包括：识别儿童体重过轻的高发国家与地区，为资源优先配置提供依据；结合性别与年龄段分层信息，设计针对性的营养补充与健康教育项目；监测国家或区域性营养改善计划的长期效果，例如对比政策实施前后的流行率变化。此外，非政府组织可基于此数据评估其援助项目的惠及范围与成效，国际发展机构则能利用跨国数据展开横向比较，推动最佳实践经验的跨境传播。该数据集通过提供易于集成至Python工作流的标准化表格结构，显著降低了数据分析的门槛，加速了从数据到决策的转化过程。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲儿童与青少年消瘦患病率的时空演化规律，为全球健康营养监测提供了关键证据。当前前沿研究方向包括：结合WHO全球健康观测站的长时序数据（1980-2024年），利用时间序列预测模型刻画亚洲48国消瘦患病率的动态变迁，尤其关注性别与年龄组（5-9岁、10-19岁）的异质性；借助机器学习算法（如梯度提升、深度学习）挖掘社会经济、环境驱动因素对儿童营养不良的交互影响。在热点事件层面，该数据集与联合国可持续发展目标（SDG 2.2.2）中消除儿童消瘦的全球承诺紧密呼应，为评估亚洲地区营养干预政策（如学校供餐计划、健康倡导行动）的长期效果提供实证基础。其解析结果将助力公共卫生领域实现精准干预，推动亚洲儿童健康公平。