electricsheepeurope/europe-who-new-or-unknown-treatment-history-cases-pulmonary

该数据集包含关于新发或未知治疗史病例：肺部、细菌学确认的数据，涵盖42个欧洲国家，时间跨度为2000年至2023年，共860个观察值。数据来源于世界卫生组织全球健康观察站，主题聚焦于肺结核的新发或未知治疗史病例，具体指标为TB_new_labconf。数据集包括指标代码、国家ISO3代码、WHO区域、年份、数值等列，适用于表格分类、回归和时间序列预测等任务。数据集由Electric Sheep Europe重新打包，以提供统一的、机器学习就绪的数据层。This dataset contains data on bacteriologically confirmed incident or treatment-naive pulmonary tuberculosis cases. It covers 42 European countries over the period from 2000 to 2023, with a total of 860 observations. The data is sourced from the World Health Organization (WHO) Global Health Observatory, focusing on incident or treatment-naive tuberculosis cases, with the specific indicator being TB_new_labconf. The dataset includes columns such as indicator code, ISO3 country code, WHO region, year, and value, and is applicable to tasks including tabular classification, regression, and time series forecasting. It was repackaged by Electric Sheep Europe to provide a unified, machine learning-ready data layer.

搜集汇总

数据集介绍

构建方式

本数据集源自世界卫生组织全球卫生观察站（WHO GHO），由Electric Sheep Europe团队进行重新封装与标准化处理。数据涵盖2000年至2023年间42个欧洲国家的860条观测记录，聚焦于“新发或未知治疗史的肺结核病例（经细菌学确诊）”这一核心指标。原始数据经由WHO官方渠道采集后，Electric Sheep Europe对数据模式进行了统一规范化处理，并以Parquet格式打包发布，确保数据集可直接通过Hugging Face的`load_dataset()`接口加载使用。每条记录包含国家ISO代码、年份、数值及最近更新时间等字段，便于进行时序分析与跨国对比。

特点

该数据集的核心优势在于其高度聚焦的主题与严谨的地理时间覆盖范围。单一指标`TB_new_labconf`确保了数据指向的明确性，避免了多指标混杂带来的分析噪声。42个欧洲国家的长期追踪数据（2000-2023年）为研究结核病在欧洲地区的流行病学趋势、治疗历史变迁及公共卫生政策效果评估提供了宝贵资源。数据还包含了置信区间上下限字段，体现了WHO对数据质量的控制。数据采用CC-BY 4.0许可协议发布，并附有规范的引用信息，极大便利了学术研究的可追溯性与合规使用。

使用方法

用户可通过Hugging Face Datasets库便捷调用：`datasets.load_dataset("electricsheepeurope/europe-who-new-or-unknown-treatment-history-cases-pulmonary")`即可获取训练集数据，并直接转换为Pandas DataFrame进行后续分析。针对特定国家的筛选可通过DataFrame的条件索引实现，如`df[df["country_iso3"] == "DEU"]`。对于时间序列分析，推荐按指标代码过滤后以年份排序并绘图。此外，利用Pivot Table功能可将数据重塑为国家×年份的矩阵形式，便于执行面板数据分析或构建机器学习特征。

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）于2023年整理发布，并经Electric Sheep Europe重新封装后托管于HuggingFace平台，聚焦于欧洲地区结核病防治中“初治或未知治疗史的肺结核细菌学确诊病例”这一关键指标。研究背景源于全球结核病监测与控制的迫切需求，尤其是在欧洲42个国家2000至2023年间，系统性追踪新发或未知治疗史病例有助于评估治疗覆盖率与传播动态。数据集共包含860条观测，为流行病学建模、公共卫生政策制定及机器学习预测提供了核心数据支撑，其影响力拓展至全球卫生统计与区域传染病预警领域。

当前挑战

该数据集所解决的领域问题在于：结核病新发或未知治疗史病例的准确量化是评估防控效果与耐药性传播的难点，而欧洲多国差异化的报告标准与时间序列缺失导致区域间可比性不足。构建过程中面临的挑战包括：原始WHO数据来源的异构性（如各国病例定义与检测方法的差异）、部分年份与国家的数据稀疏性（如安道尔仅有22年观测），以及低值、高值等置信区间字段的缺失（如value_low与value_high列为空），需通过归一化模式与标准化处理以适配机器学习管线。

常用场景

经典使用场景

该数据集收录了2000年至2023年间欧洲42个国家经细菌学确诊的初治或治疗史未知肺结核病例数，共计860条观测记录。其经典使用场景在于为流行病学家和公共卫生研究者提供标准化的时间序列数据，用以追踪结核病在区域层面的传播态势。研究者可通过国家ISO代码与年份字段进行精准筛选，快速构建国家或区域级的发病率曲线，进而比较不同国家结核病防控成效的异同。

衍生相关工作

该数据集的发布衍生了一系列数据密集型研究工作，包括但不限于欧洲结核病时空传播模式的聚类分析、基于机器学习算法的发病率预测模型构建，以及利用面板数据计量方法探究移民与结核病传播关系的因果推断。Electric Sheep组织对原始数据的规范化重打包工作，本身也催生了面向WHO GHO数据的自动化ETL管道设计，促进了更多卫生开源数据集在HuggingFace生态中的标准化发布与复用。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲地区结核病新发或未知治疗史病例的监测与分析，覆盖42国2000至2023年的纵向数据，为肺结核细菌学确诊病例的流行病学建模提供了高粒度时间序列基础。当前前沿研究方向包括利用此类结构化健康指标构建多国别预测模型，以揭示结核病传播的动态规律与区域差异；同时，结合世界卫生组织全球卫生观测站的数据生态，该数据集被广泛应用于机器学习驱动的公共卫生预警系统开发，尤其在评估欧洲结核病控制干预措施的效果方面具有关键价值。其标准化格式与开放式许可协议进一步推动了跨国健康数据协作研究，助力实现联合国可持续发展目标中关于终结结核病流行的具体指标。