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

该数据集包含关于被诊断患有肺结核新病例且同时患有肺外结核的人数的统计数据，覆盖欧洲42个国家，时间跨度为2000年至2021年。数据集包含914个观测值，涵盖1个核心指标（TB_notif_num_newrel_ep）。数据来源于世界卫生组织全球健康观察站（WHO GHO），由Electric Sheep Europe重新打包发布。数据集采用表格形式，包含indicator_code（指标代码）、country_iso3（国家ISO3代码）、year（年份）、value_numeric（数值）等列，可用于表格分类、回归或时间序列预测等任务。数据聚焦于肺结核和肺外结核的公共卫生监测，适用于健康数据分析、流行病学研究等场景。This dataset contains statistics on the Number of people diagnosed with a new episode of pulmonary TB who have extrapulmonary TB across 42 European countries from 2000 to 2021. It includes 914 observations covering 1 distinct indicator (TB_notif_num_newrel_ep). The data is sourced from the WHO Global Health Observatory (GHO) and repackaged by Electric Sheep Europe. The dataset is in tabular format with columns such as indicator_code, country_iso3, year, and value_numeric, suitable for tabular classification, regression, or time-series forecasting tasks. It focuses on public health surveillance of tuberculosis and extrapulmonary TB, applicable for health data analysis and epidemiological research.

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 Europe进行重新封装与标准化处理。数据涵盖2000年至2021年间欧洲42个国家的914条观测记录，聚焦于肺外结核新发病例的统计人数。构建过程中，原始数据经过模式统一化与Parquet格式打包，确保各字段类型清晰、结构规整，主要包含国家代码、年份、指标编码及数值等核心列，并保留了病例类型的分层维度信息，便于研究者快速调用与分析。

特点

数据集以时间序列与面板数据为特征，横跨22年、覆盖42个欧洲国家，提供单一的肺外结核新发病例指标，观测值达914条。数据不仅包含数值型统计结果，还附有置信区间与展示值，增强信息的完整性与可解释性。此外，数据集设计了维度1类型与维度1字段，用于细化病例分类，支持按国家或年份进行灵活的子集筛选与矩阵化透视，适合开展跨国流行病学比较与趋势分析。

使用方法

用户可通过HuggingFace的load_dataset函数直接加载数据集，并将其转换为Pandas DataFrame以进行后续处理。典型用法包括按国家ISO代码（如DEU）筛选特定国家的数据，对单一指标按年份排序并绘制时间序列图，以及利用透视表功能构建国家×年份的数值矩阵。这些方法使得研究者能够便捷地提取所需子集、可视化长期趋势或进行跨区域对比分析，促进公共卫生领域的量化研究。

背景与挑战

背景概述

该数据集由世界卫生组织（WHO）全球卫生观察站（GHO）创建，并经Electric Sheep Europe于2024年前后重新整理和打包，旨在系统记录欧洲42个国家在2000年至2021年间被诊断为新发肺结核并伴有肺外结核的人数。结核病作为长期困扰全球公共卫生的重大传染病，其肺外表现对诊断和治疗提出更高要求，而欧洲各国在该指标的统计口径与数据完整性上长期存在差异。该数据集通过整合WHO官方发布的年度数据，为跨国家、跨时间序列的结核病流行病学分析提供了标准化、机器可读的宝贵资源，有力支撑了全球结核病防控策略的制定与效果评估。

当前挑战

该数据集所解决的核心领域问题在于：长期以来，肺外结核作为肺结核的重要并发症，全球范围内缺乏标准化的监测体系，导致各国在发病率统计与趋势比较上存在显著偏差。通过构建统一的年度面板数据，填补了这一细分领域的量化空白。然而，数据集构建过程中面临多重挑战：首先，42个欧洲国家在2000至2021年间的数据汇报频率与质量参差不齐，部分年份存在缺失值或异常记录；其次，WHO原始数据的维度划分（如病例类型）在不同国家间定义不一，需要大量标准化处理；最后，数据集的规模较小（仅914条观测），限制了复杂机器学习模型的训练与验证，使其更适用于描述性分析与简单预测任务。

常用场景

经典使用场景

该数据集收录了2000年至2021年间欧洲42个国家确诊为肺外结核的新发病例人数，共计914条观测记录。在结核病流行病学研究中，它常被用于分析肺外结核在欧洲地区的时空分布格局与演变趋势。研究人员可借助时间序列分析工具，探究不同国家肺外结核报告病例数的年度波动规律，或通过面板数据模型比较各国在防控策略实施前后的发病率变化，为区域结核病负担评估提供量化依据。

衍生相关工作

该数据集衍生出一系列重要研究工作。在数据整合层面，它常被融入WHO全球卫生观察站的多指标分析框架，与结核病治疗成功率、耐药率等变量协同建模。在方法学上，研究者基于该数据开发了适用于稀疏时间序列的贝叶斯分层模型，用以平滑国家间年度波动并推断缺失值。亦有工作将其与气候、移民等社会经济数据关联，利用机器学习方法识别肺外结核发病的潜在驱动因子，深化对欧洲结核病传播动态的系统认知。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲地区2000至2021年间肺外结核新发病例数的流行病学监测，结合世界卫生组织全球卫生观察站（WHO GHO）的权威数据，为结核病防控策略的区域性评估与时间序列建模提供了基础。当前研究方向主要围绕传染病时空传播动力学、卫生政策干预效果量化以及机器学习驱动的预测预警系统构建，尤其在后疫情时代全球结核病诊断延迟与漏报问题凸显的背景下，该数据集对于揭示欧洲各国肺外结核发病率的长期变化趋势、评估区域卫生系统韧性以及支持跨国产学研协同的精准公共卫生决策具有重要科学价值。