数据集概述
本数据集为医学研究论文的补充表格三，呈现了基于AIC（赤池信息量准则）最优模型的疾病负担估计结果。数据包含七千九百一十七行观测记录和十四个变量列，涵盖全球不同地区、收入水平和年份的死亡率、发病率和死亡率-发病率比（MIR）等关键流行病学指标的模型估计值及其置信区间。
文件详解
- 文件名称：
final_aic_estimates_Jan312025.csv
- 文件格式： CSV
- 字段映射介绍： 包含以下主要字段：
- location: 地区/国家名称
- income_2019: 2019年收入水平分类
- target: 疾病或健康问题目标
- year: 年份
- best_aic: 最优AIC模型标识
- mortality_estimate: 死亡率估计值
- mortality_lower: 死亡率估计下限
- mortality_upper: 死亡率估计上限
- incidence_estimate: 发病率估计值
- incidence_lower: 发病率估计下限
- incidence_upper: 发病率估计上限
- mir_estimate: 死亡率-发病率比估计值
- mir_lower: 死亡率-发病率比估计下限
- mir_upper: 死亡率-发病率比估计上限
数据来源
论文"Supplementary Table 3 for Nemutlu GS, Mercaldo ND, Thayumanavan E, et al BMJ Glob Health 2025"
适用场景
- 全球疾病负担分析: 利用AIC最优模型的估计结果，分析特定疾病或健康问题在全球不同地区和收入水平下的负担变化趋势。
- 流行病学模型比较与验证: 作为模型选择（基于AIC准则）的结果，支持不同统计模型在疾病负担估计中的性能比较。
- 公共卫生政策制定: 为国家和国际卫生组织制定疾病预防和控制策略提供数据支持，特别是针对不同经济发展水平的地区。
- 健康不平等研究: 结合收入水平分类，分析疾病负担在全球范围内的社会经济差异。
