electricsheepeurope/europe-who-number-of-people-dying-from-hiv-related-causes

该数据集包含来自世界卫生组织全球健康观察站（WHO GHO）的数据，主题为因HIV相关原因死亡的人数 | 欧洲。数据集涵盖了28个欧洲国家从2000年到2024年的672个观测值，聚焦于一个具体指标：因HIV相关原因死亡的人数。数据包括指标代码、国家ISO3代码、WHO区域、年份、数值（包括数值、低值、高值和显示值）以及最后更新时间。数据集由Electric Sheep Europe重新打包，旨在为欧洲提供一个统一的、适合机器学习的数据层，便于研究人员和开发者快速加载和使用。This dataset contains data sourced from the World Health Organization Global Health Observatory (WHO GHO), focusing on the number of deaths due to HIV-related causes in Europe. It covers 672 observations from 28 European countries spanning the period from 2000 to 2024, with a single core indicator: the number of HIV-related deaths. The dataset includes the indicator code, country ISO3 code, WHO region, year, numeric values (including the core value, lower bound, upper bound, and display value), as well as the last update time. This dataset was repackaged by Electric Sheep Europe, aiming to provide a unified, machine-learning-ready data layer for Europe, enabling researchers and developers to quickly load and utilize it.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Europe基于世界卫生组织全球卫生观测站（WHO GHO）的原始数据重新构建而成。数据采集范围覆盖28个欧洲国家，时间跨度从2000年至2024年，共计672条观测记录。构建过程中，对原始数据进行规范化模式处理，统一字段定义与数据类型，并以Parquet格式进行封装，最终通过HuggingFace Datasets库发布，使得用户能够通过简单的load_dataset()函数直接加载并使用。

特点

该数据集聚焦于欧洲地区因艾滋病毒相关原因死亡人数的单一指标（HIV_0000000006），具有高度的专题聚焦性。其显著特点包括：覆盖国家广泛（28个欧洲国家）、时间序列完整（25年跨度）、数据字段丰富（包含数值、置信区间上下限、显示格式及更新时间等）。此外，数据集采用CC-BY-4.0许可协议，确保了数据的开放性与可追溯性，便于科研人员与政策制定者进行跨国比较和时间趋势分析。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数直接加载该数据集，并将其转换为Pandas DataFrame格式进行后续分析。典型应用场景包括：按国家筛选（如过滤德国数据）、对单个指标进行时间序列可视化（按年份排序后绘制折线图）、以及将数据透视转换为国家×年份的矩阵格式，以支持多国横向比较。该数据集亦适用于回归分析、分类任务及时间序列预测等机器学习场景。

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）于2024年发布，并经Electric Sheep Europe重新打包整理，聚焦于欧洲28个国家在2000年至2024年间因艾滋病相关原因死亡的人数统计。艾滋病作为全球重大公共卫生问题，其致死率直接反映区域防治成效与医疗资源可及性。该数据集包含672条观测值，覆盖单一核心指标，旨在为流行病学分析、政策评估及时间序列预测提供标准化、机器可读的基础数据。通过整合WHO权威来源并统一架构，该数据集显著降低了研究人员跨国家、跨时间维度的数据获取门槛，推动了欧洲范围内艾滋病相关致死趋势的定量研究，并为全球健康监测贡献了区域性的精细洞察。

当前挑战

领域层面，艾滋病相关死亡统计面临多重挑战：首先，各国诊断报告体系与死因编码标准存在差异，导致跨国数据可比性受限；其次，早期年份数据可能因检测覆盖率不足而低估实际死亡人数，引入系统性偏差；此外，HIV潜伏期长、合并症复杂，死因判定易受混淆因素影响。在数据集构建过程中，挑战则集中于数据整合与清洗：需从WHO多来源异构表格中提取统一格式，对齐年份与国家编码，处理缺失值与置信区间标识，同时保证更新时效性。例如，'value_low'与'value_high'字段反映了估计范围，但原始数据可能因统计方法更迭产生断裂，需要在重打包时谨慎保留元数据以维护可追溯性。

常用场景

经典使用场景

该数据集收录了2000年至2024年间28个欧洲国家因艾滋病相关原因死亡人数的年度观测数据，共计672条记录。其经典使用场景聚焦于时间序列分析与面板数据建模，研究者可借助该数据集构建时序预测模型，如ARIMA或LSTM，以揭示欧洲各国艾滋病相关死亡率的变化趋势。此外，通过将数据重塑为国家-年份矩阵，可开展跨国家比较研究，评估不同公共卫生政策的长期效果，或作为多元回归分析中的因变量，探索社会经济与政策变量对死亡率的影响。

实际应用

在实际应用层面，该数据集为欧洲各国卫生部门及国际组织提供了可靠的决策支撑。公共卫生机构可利用这些数据监测艾滋病防控目标的实现进度，动态调整资源分配策略，例如优先向死亡率高或下降缓慢的国家投放抗病毒药物。同时，数据集可赋能健康政策建模者，通过模拟不同干预场景对死亡率的潜在影响，优化中长期健康战略规划。对于致力于全球健康数据分析的非政府组织与智库而言，该数据集亦是评估欧洲区域卫生系统韧性与公平性的重要量化工具。

衍生相关工作

基于该数据集，研究者可以开展多类衍生工作。一方面，可将艾滋病相关死亡率数据与经济指标、医疗卫生支出等外部数据集进行融合，构建预测模型以分析社会经济发展与健康结果间的关联。另一方面，该数据集可作为基准测试用例，用于评估时序预测模型的性能，推动机器学习方法在流行病学中的应用。此外，其标准化的数据结构为复现已有关于欧洲艾滋病负担的研究提供了便捷途径，并有助于发现此前因数据稀疏而被忽略的地区性趋势，从而催生新的公共卫生假设与政策建议。