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

该数据集包含世界卫生组织（WHO）全球健康观察站（GHO）提供的关于经细菌学确诊的新发肺结核病例人数的数据，覆盖42个欧洲国家，时间跨度为2000年至2021年，共883个观测值。数据包括指标代码（如TB_notif_num_labconf）、国家ISO3代码、WHO区域、年份、分类维度（如TB_CASETYPE）以及数值信息（如value_numeric）。数据集适用于表格分类、回归和时间序列预测任务，旨在为欧洲健康研究提供机器学习就绪的数据层，由Electric Sheep Europe重新打包发布。This dataset contains data on the number of bacteriologically confirmed new pulmonary tuberculosis cases, sourced from the World Health Organization (WHO) Global Health Observatory (GHO). It covers 42 European countries over the period from 2000 to 2021, with a total of 883 observations. The dataset includes indicator codes (e.g., TB_notif_num_labconf), ISO3 country codes, WHO regions, years, categorical dimensions (e.g., TB_CASETYPE), and numerical values (e.g., value_numeric). It is applicable for tabular classification, regression, and time series forecasting tasks, and is intended to provide a machine learning-ready data layer for European health research. This dataset was repackaged and released by Electric Sheep Europe.

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），经由Electric Sheep Europe团队重新封装整理，旨在为欧洲地区结核病流行病学研究提供标准化、机器学习就绪的数据资源。构建过程中，团队从WHO官方渠道采集了42个欧洲国家在2000年至2021年间经细菌学确诊的新发肺结核病例数量，共计883条观测记录。数据经过严格的模式统一与质量控制，以Parquet格式存储，并配备一致的元数据描述，确保研究者能够通过HuggingFace的load_dataset()函数直接加载使用，极大降低了数据预处理的门槛。

使用方法

使用者可通过HuggingFace Datasets库中的load_dataset函数一键加载数据，返回的Dataset对象可直接转换为Pandas DataFrame以便进行后续分析。具体操作上，研究者可以按国家ISO代码筛选单个国家的数据，例如提取德国的观测值；也可以针对特定指标进行时间序列可视化，观察趋势变化；还可通过pivot_table方法将数据重塑为国家×年的矩阵格式，便于构建面板数据模型。数据集以CC-BY-4.0许可发布，引用时需注明世界卫生组织原始出处及Electric Sheep Europe的封装版本。

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）提供，后经Electric Sheep Europe于2021年重新整理并发布于HuggingFace平台。核心研究问题聚焦于欧洲地区经细菌学确诊的肺结核新发病例数量的时空分布。数据集覆盖了42个欧洲国家，时间跨度为2000年至2021年，共包含883条观测记录。这一资源为流行病学建模、公共卫生政策评估以及传染病时空传播分析提供了重要的基础数据支撑，推动了欧洲区域肺结核负担的量化研究与可视化监控。

当前挑战

所解决的领域问题在于肺结核作为全球重大传染病，其确诊病例的精准统计对疾病防控至关重要，但原始数据常因报告标准、诊断技术和时间延迟存在不一致性。构建过程中面临的主要挑战包括：跨越22年、42个国家的数据来源整合，需处理不同国家之间的报告差异与缺失值；单指标（TB_notif_num_labconf）的细粒度分析难以全面反映疫情复杂性；数据更新频繁，需确保版本一致性与追溯性。此外，数据时间序列的稀疏性和部分国家样本量不均也为下游建模带来挑战。

常用场景

经典使用场景

该数据集聚焦于欧洲42个国家在2000年至2021年间经细菌学确诊的初治肺结核病例数，核心应用场景之一是基于时间序列的流行病学建模。研究者可借助其多年连续的年度计数，运用自回归移动平均（ARIMA）、季节性分解或长短期记忆网络（LSTM）等方法，揭示肺结核在区域内的传播动态与周期性波动。另一经典用途是构建面板数据回归模型，将确诊病例数作为响应变量，结合经济、医疗或人口等外生协变量，量化欧洲各国公共卫生干预措施对结核病防控的长期影响。

解决学术问题

在学术层面，该数据集直接回应了欧洲区域结核病流行病学监测中跨国家、长时段比较的量化困境。通过提供标准化的指标代码和统一的数据结构，它使得跨文化、跨体制的结核病负担评估成为可能，帮助研究者识别高负担国家与防控成效突出的典范。同时，数据所蕴含的年度缺口和异常波动（如因战争或突发公共卫生事件导致的报告中断）为因果推断模型提供了天然的自然实验素材，推动了关于监测系统稳健性与疫情报告偏差的深入探讨，在公共卫生政策评估领域具有奠基性意义。

实际应用

实际应用中，该数据集可直接服务于欧洲疾控机构与卫生部的疫情态势感知系统。决策者能够快速绘制各国结核病确诊人数的热力图或时间序列图，实现跨年度、跨国别的可视化比对，从而合理分配诊断试剂、抗结核药物和实验室配置等稀缺资源。此外，数据集的简洁结构和标准字段（如indicator_code与国家代码）也使其适配于自动化监控面板，结合WHO其他健康指标即可构建多维度预警平台，为欧洲区域内的结核病消除目标（END TB战略）提供数据驱动的日常管理工具。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲地区经细菌学确诊的新发肺结核病例数，在结核病流行病学监测与精准防控领域具有前沿价值。近年来，随着WHO终止结核病战略的推进，研究者利用这类长时序、跨国别的标准化数据，构建时间序列预测模型以预警疫情反弹，或结合社会经济学变量分析结核病传播的驱动因子。此外，该数据集与机器学习技术的融合，使跨区域病例模式识别、药物敏感性突变株动态追踪成为可能，为欧洲卫生政策制定提供了量化支撑，促进了从被动报告向主动预警的范式转变。