全球结核病与传染病统计数据
OWID结核病数据集汇总全球范围内结核病发病率、死亡率及历史趋势变化，常用于公共卫生研究、疾病负担分析及政策评估。
基本信息
资源简介
全球结核病与传染病统计数据
【一句话概览】
结核病是全球常见死因之一，在富裕国家影响已显著降低，但在较贫困地区仍是重大挑战，每年约造成120万人死亡。该病由结核分枝杆菌引起，通过呼吸道颗粒传播，营养不良、HIV/AIDS、吸烟及慢性病者风险较高。症状包括咳嗽、疲劳和盗汗，可损害肺、脑、肾等器官并致命，但可用特定抗生素联合治疗。若未正确诊断，患者无法获得适当治疗，还增加耐药菌株风险，使其更难更贵治疗。加大力度应对风险因素并改善检测与治疗，有望让结核病成为历史（来源 ourworldindata.org）。
【数据集背景】
本数据集源站标题为《Tuberculosis》。
【数据内容】
源站原始描述：Tuberculosis is one of the most common causes of death globally. In richer countries, the impact of tuberculosis has been reduced significantly over history, but in poorer parts of our world, it continues to be a major challenge even today: it causes an estimated 1.2 million deaths annually. Tuberculosis is caused by the bacteria Mycobacterium tuberculosis. The bacteria spreads through respiratory particles and tends to cause tuberculosis in people with risk factors such as undernourishment, HIV…
中文译文（机器翻译，仅供快速理解，请以原文为准）：结核病是全球最常见的死因之一。在较富裕的国家，结核病的影响在历史上已大幅降低，但在世界较贫穷的地区，它至今仍是一项重大挑战：每年估计导致120万人死亡。结核病由结核分枝杆菌引起。该细菌通过呼吸道颗粒传播，往往在存在营养不良、艾滋病毒/艾滋病、吸烟和既有慢性病等风险因素的人群中引发结核病。该病包括咳嗽、疲劳和盗汗等症状，并可损害肺、脑、肾脏和其他器官，可能致命。但通过特定抗生素的联合治疗可以治愈。然而，如果未得到正确诊断，人们就无法获得适当治疗。这使他们处于脆弱境地，也增加了细菌产生耐抗生素菌株的风险，而这类菌株的治疗难度和费用都要高得多。通过加大力度应对其风险因素并改善该病的检测和治疗，世界可以将结核病送入历史——不仅在较富裕的地区，而是为所有人。在本页中，您将找到关于结核病的全球数据和趋势，包括检测、治疗和疫苗接种。
【主题与分类】
主题标签：Tuberculosis、Infectious disease、Mortality、Antibiotic resistance、HIV/AIDS、Vaccination、Global health。
【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://ourworldindata.org/tuberculosis
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://ourworldindata.org/tuberculosis
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
Our World in Data 提供的结核病统计数据集，汇总全球各国结核病负担、死亡率及长期趋势数据，用于宏观公共卫生分析。
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。
