全球次国家婴儿死亡率数据集 2.01 版
该数据集为全球次国家婴儿死亡率数据集 2.01 版,提供 234 个国家和地区的婴儿死亡率估计,其中 143 个包含次国家单元,基准年为 2015 年,数据来源于 2006 至 2014 年的国家统计机构、DHS、MICS 等

基本信息
资源简介
全球次国家婴儿死亡率数据集 2.01 版
Global Subnational Infant Mortality Rates, Version 2.01
该数据集为全球次国家婴儿死亡率数据集 2.01 版,提供 234 个国家和地区的婴儿死亡率估计,其中 143 个包含次国家单元,基准年为 2015 年,数据来源于 2006 至 2014 年的国家统计机构、DHS、MICS 等。除婴儿死亡率外,还包含出生数和婴儿死亡数的粗略估计,可按不同地理范围聚合或分解以计算不同尺度的婴儿死亡率。边界输入主要来自 GPWv4。数据可用于人口健康、贫困与环境科学等领域的跨区域比较与分析(来源 DOI 解析)。
【数据集背景】
源站首次发布:2025。
【数据内容】
源站描述(机器翻译,仅供参考):全球次国家婴儿死亡率数据集 2.01 版包含 234 个国家和地区的婴儿死亡率(IMR)估计值,其中 143 个国家和地区包含次国家单元。数据以 2015 年为基准年(1.0 版以 2000 年为基准年),来源于 2006 至 2014 年的国家统计机构、人口与健康调查(DHS)、多指标类集调查(MICS)及其他来源。除婴儿死亡率外,2.01 版还包含出生数和婴儿死亡数的粗略估计,可按不同地理范围聚合或分解,以计算不同尺度或分辨率的婴儿死亡率,其中出生数为率的分母,婴儿死亡数为率的分子。边界输入主要来自全球网格化人口第 4 版(GPWv4)数据集合。国家和次国家数据 ar
【主题与分类】
主题标签:Earth and Environmental Sciences、Health、Poverty、EARTH SCIENCE、Health、HUMAN DIMENSIONS、POPULATION、Global、Society。本站分类:妊娠、分娩和产褥期。
【获取与许可】
源站页面:https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/XVKAQ0
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。
免登录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://doi.org/10.7910/DVN/XVKAQ0
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:
数据集大小约 3.71 GB。
数据说明
全球次国家婴儿死亡率数据,第2.01版包含234个国家和地区的婴儿死亡率(IMR)估计值,其中143个包括次国家单位。数据以2015年为基准年(第1版以2000年为基准年),来源于2006年至2014年间的国家统计局、人口与健康调查(DHS)、多指标类集调查(MICS)及其他来源。除婴儿死亡率外,第2.01版还包括出生数和婴儿死亡数的粗略估计,这些数据可按不同地理范围进行汇总或分解,以计算不同尺度或分辨率下的婴儿死亡率,其中出生数为率的分母,婴儿死亡数为率的分子。边界输入主要源自全球网格化人口第4版(GPWv4)数据集合。国家和次国家数据被映射到空间分辨率为30弧秒(约1公里)的网格单元上(第1版的空间分辨率为1/4度,赤道处约28公里),便于与人口、环境及其他空间数据集成。
提供2015年全球次国家层面婴儿死亡率估计地图,供跨学科健康、贫困与环境研究领域的广大用户群体使用。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




