electricsheepasia/asia-who-number-of-new-hiv-infections

该数据集包含世界卫生组织全球卫生观察站提供的亚洲地区新发HIV感染数数据，涵盖32个亚洲国家从2000年至2024年的775个观测值，聚焦于一个独立指标（HIV_0000000026）。数据包括数值估计、置信区间和显示值，适用于表格分类、回归和时间序列预测等任务。

This dataset contains data on the number of new HIV infections in the Asian region sourced from the World Health Organization (WHO) Global Health Observatory (GHO). It covers 775 observations from 32 Asian countries spanning the period from 2000 to 2024, focusing on a single independent indicator: HIV_0000000026. The dataset includes numerical estimates, confidence intervals, and displayed values, and is applicable to tasks such as tabular classification, regression, and time series forecasting.

搜集汇总

数据集介绍

构建方式

该数据集由世界卫生组织全球卫生观测站（WHO GHO）官方发布，经Electric Sheep Asia重新打包并标准化处理。涵盖了亚洲地区32个国家自2000年至2024年间的新发HIV感染病例数量，共计775条观测记录，包含单一指标（HIV_0000000026）。数据列包括国家ISO3代码、WHO区域、年份、数值及其置信区间（value_low与value_high）、可视化展示字段及最后更新时间，schema统一且可直接加载为表格格式。

特点

数据集聚焦于亚洲地区艾滋病疫情监测，时间跨度长达25年，覆盖了阿富汗、印度尼西亚、伊拉克等32个亚洲国家，每个国家的数据记录均完整且等长（25行），确保了纵向与横向比较的可靠性。数据不仅提供核心数值，还附带了低值和高值的置信区间估计，便于进行不确定性分析与流行病学建模。整体以Parquet格式封装，适用于表格分类、回归及时间序列预测等多元任务。

使用方法

用户可通过HuggingFace Datasets库的load_dataset函数一键加载数据，并直接转换为pandas DataFrame进行后续分析。示例代码展示了按国家筛选（如印度尼西亚）、对单一指标按年份排序绘制时间序列图，以及通过透视表构建国家×年份矩阵等典型操作。数据集兼容Python生态中的数据分析与可视化工具，适用于公共卫生研究、政策评估与AI模型的训练与验证。

背景与挑战

背景概述

艾滋病病毒（HIV）新发感染是评估全球公共卫生干预成效的核心指标之一。世界卫生组织（WHO）全球卫生观测站长期收集并发布各国HIV流行病学数据，但以往亚洲地区的数据常分散于不同国别报告或统计年鉴中，缺乏统一、机器可读且便于时间序列分析的标准格式。为此，Electric Sheep Asia机构于2024年重新整理了WHO的原始数据，推出了涵盖32个亚洲国家、时间跨度2000至2024年的“Number of new HIV infections”数据集。该数据集聚焦于亚洲这一HIV防控形势复杂多变的区域，通过提供775条标准化观测记录，为流行病学建模、政策评估及跨国比较研究提供了关键基础，在推动区域健康数据开放共享方面具有重要示范意义。

当前挑战

该数据集所解决的领域问题在于：亚洲各国HIV疫情呈现高度异质性，受经济发展水平、医疗卫生体系及社会文化等多重因素影响，单一国家的研究结论往往难以推广。该数据集通过整合多国统一指标，支持研究者识别跨国传播模式与干预效果的差异，从而为区域联防联控提供数据支撑。而在构建过程中，主要挑战包括：1）原始WHO数据格式多样且部分国家历史记录存在缺失，需借助统计推断与元数据对齐进行补全；2）32个国家涵盖西太平洋、东南亚、东地中海等不同WHO区域，数据录入标准与更新频率不一，需要统一时间粒度与数值单位；3）为保持长期可用性，数据集需持续追踪WHO官方更新，同步修正估算范围上下限（value_low/value_high），并确保许可证兼容性与来源信息透明。

常用场景

经典使用场景

该数据集收录了世界卫生组织全球卫生观察站提供的2000年至2024年间32个亚洲国家的新发HIV感染病例数，共计775条观测记录。在学术研究中，它常被用于构建跨国家、跨时间维度的传染病负担评估框架，研究者可借助该数据对亚洲地区HIV疫情的时空演变规律进行量化分析，探索感染率在不同国家之间的异质性特征，并追踪长期趋势中的拐点与模式变化。

实际应用

在实际应用层面，该数据集为国际卫生组织、各国疾控部门以及非政府机构提供了可靠的数据底座，用于监测区域HIV疫情进展、评估防治项目成效以及优化资源分配。其简洁的表格化格式便于与机器学习流程集成，支持开发疫情预警系统、自动化报告生成工具及可视化仪表盘，从而赋能公共卫生决策从经验驱动向数据驱动转型，助力实现联合国2030年终结艾滋病流行目标。

衍生相关工作

围绕该数据集已衍生出多项经典工作，包括基于长短期记忆网络与门控循环单元的HIV感染人数预测模型，利用国家-年份矩阵进行聚类分析以划分疫情风险等级的研究，以及将感染数据与宏观经济、医疗投入等外部变量融合的多因素回归分析。此外，也有学者将其作为基准测试案例，用于对比不同时间序列预测算法在稀疏面板数据上的表现，推动了轻量级流行病学预训练模型的探索。