全球疾病负担研究数据
GBD 数据库提供全球疾病负担统计数据，包括哮喘患病率、死亡率及DALY指标，可用于跨国家比较分析、流行趋势研究及公共卫生政策评估。
基本信息
资源简介
全球疾病负担研究数据
【一句话概览】
GBD Compare 是一个用于比较疾病、伤害和风险因素趋势的工具，支持地图、图表、树状图、箭头图等多种可视化形式，可按年龄和性别探索一国内部健康概况，也可进行国家间比较或查看区域及全球趋势。使用该工具需注册并登录，注册后可获取任何 GBD 估算数据，获得个性化迭代更新，并帮助确保数据按条款使用。继续使用即表示同意 IHME 及华盛顿大学的条款与隐私声明（来源 vizhub.healthdata.org）。
【数据集背景】
本数据集源站标题为《GBD Compare》。
【数据内容】
源站原始描述：Use maps, plots, treemaps, arrow diagrams, and more to compare trends in diseases, injuries, and risk factors; to explore the health profile within a country by age and sex; to compare countries with one another; or to explore regional and global trends. To access this tool, please register and sign in. Why register? Gain access to any of the GBD estimates. Receive iterative updates that personalize the tool and make it easier to use. Help us ensure our data is being used as intended according t…
中文译文（机器翻译，仅供快速理解，请以原文为准）：使用地图、图表、矩形树图、箭头图等工具，比较疾病、伤害和风险因素的趋势；按年龄和性别探索一个国家的健康状况；比较不同国家；或探索区域和全球趋势。要使用此工具，请注册并登录。为什么要注册？获取任何GBD估算数据的访问权限。接收个性化工具的迭代更新，使其更易于使用。帮助我们确保数据按照我们的条款和条件被正确使用。继续即表示您同意健康指标与评估研究所（IHME）的条款和条件，以及华盛顿大学的使用条款和条件和在线隐私声明。注册已有账户？登录
【主题与分类】
主题标签：GBD、diseases、injuries、risk factors、global health、trends。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://vizhub.healthdata.org/gbd-compare/
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://vizhub.healthdata.org/gbd-compare/
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
GBD 是由IHME发布的全球疾病负担数据库，提供各国哮喘患病率、死亡率及DALY等指标，可用于全球范围内哮喘流行趋势分析与卫生政策研究。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
