electricsheepafrica/africa-who-pharmacists-hwf0015

该数据集包含世界卫生组织全球健康观察站（WHO GHO）指标药剂师（数量）（HWF_0015）在非洲国家的国家级观察数据，时间跨度为1985年至2024年。数据直接来源于WHO Global Health Observatory OData API，并以Parquet文件格式重新打包，具有一致的架构。所有值均来自浮点精度字段NumericValue，而非显示字符串。在可用的情况下，还包括置信区间边界（value_low，value_high）。该数据集是Electric Sheep Africa集合的一部分，这是一个统一的、适合机器学习使用的非洲数据存储库。

This dataset contains country-level observations for the WHO GHO indicator Pharmacists (number) (HWF_0015) across African nations, spanning 1985–2024. It is part of the Electric Sheep Africa collection — a unified, ML-ready repository of African data. Data is sourced directly from the WHO Global Health Observatory OData API and repackaged as Parquet files with a consistent schema. All values are drawn from NumericValue (the float-precision field), not the display string. Confidence interval bounds (value_low, value_high) are included where available.

搜集汇总

数据集介绍

构建方式

该数据集源自世界卫生组织全球卫生观察站（WHO GHO）的公开OData API，聚焦于非洲地区药剂师数量这一关键卫生人力指标（代码HWF_0015）。数据经系统化采集与清洗，以Parquet格式封装，形成结构一致、便于机器学习应用的数据集。所有数值均采用浮点精度的`NumericValue`字段，而非字符展示串，并保留置信区间上下界以支持统计推断。数据覆盖47个非洲国家，时间跨度为1985至2024年，共计464条记录，每条记录对应特定国家与年份的单一观测值。

特点

该数据集最突出的特点是其高度标准化与可复用性。所有列均采用统一命名规范，包含指示代码、国家ISO代码、WHO区域、年份、数值及上下置信区间等字段，极大降低了数据整合成本。数据集无子维度分层，每个国家与年份仅对应唯一数值，避免了因性别或年龄组划分导致的冗余行。此外，数据来源权威，采用CC BY 4.0开放许可，且经由Electric Sheep Africa团队精心整理与验证，确保质量可靠，尤其适用于非洲卫生人力趋势分析及时序预测。

使用方法

用户可通过HuggingFace的`datasets`库轻松加载该数据集，只需一行代码`load_dataset`即可获取训练集并转换为Pandas DataFrame进行后续分析。推荐使用`dim1`字段过滤出全国范围、男女合计的数据（如筛选`dim1`为`SEX_BTSX`或缺失值），以获取最纯净的观测值。对于国别时序研究，可依据`country_iso3`列筛选特定国家并按年份排序。该数据集亦可直接用于回归或分类任务，作为监督学习的特征与标签来源，或作为多指标联合分析的组成部分。

背景与挑战

背景概述

非洲大陆的医疗卫生系统长期面临人力资源分布不均与数据匮乏的双重困境，药剂师作为药物管理与公共卫生服务的关键角色，其数量及分布状况直接关系到区域健康目标的实现。世界卫生组织（WHO）全球卫生观察站（GHO）自2024年起发布“药剂师数量”（HWF_0015）指标，并经Electric Sheep Africa团队重新整理形成africa-who-pharmacists-hwf0015数据集。该数据集覆盖47个非洲国家1985至2024年间共464条观测记录，聚焦于量化非洲地区药剂师人力资源的时空分布，为健康劳动力规划、政策制定及机器学习建模提供了标准化、可重用的基础数据源，推动了非洲公共卫生数据科学的发展。

当前挑战

该数据集所解决的领域问题在于非洲健康劳动力数据长期存在的缺失与异构性，具体挑战包括：1）药剂师数量作为关键人力资源指标，涉及跨国家、跨年度的低估与高估偏差，以及置信区间的不完整性，增加了统计建模与干预效果评估的难度；2）构建过程中需处理WHO OData接口的原始数据清洗、格式统一及缺失值插补，特别是子维度（如性别、居住地类型）的过滤与聚合操作复杂；3）数据稀疏性明显，部分国家年份样本不足，限制了时间序列分析与跨区域比较的稳健性。

常用场景

经典使用场景

该数据集记录了1985年至2024年间47个非洲国家的药师数量，源自世界卫生组织全球卫生观察站。作为结构化时间序列数据，它常用于构建回归模型以预测药师人力资源的时空分布，或作为分类任务的基础特征，例如评估各国药师密度是否达到世界卫生组织建议的阈值。数据集的清洗框架和Parquet格式使其可无缝集成至机器学习流水线，尤其适合探索非洲卫生人力资本的长期演变趋势。

衍生相关工作

该数据集作为Electric Sheep Africa系列的一部分，衍生了多项非洲健康数据标准化工作，包括统一的元数据框架和可复用的数据加载工具。其发布促进了跨数据集融合研究，例如将药师数据与非洲疾病负担、医疗设施分布等数据集联合分析。此外，它启发了针对罕见或稀疏时间序列的插补与预测方法研究，为其他发展中国家卫生人力资源建模提供了可复现的范例。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区药剂师人力资源数量（HWF_0015）的时空分布与动态演变，为全球健康人力资本研究提供了关键的数据支撑。当前前沿方向包括利用机器学习模型对非洲各国药剂师密度进行预测与归因分析，结合社会经济与疾病负担指标，评估药剂师配置对公共卫生体系韧性的影响。在非洲大陆自由贸易区推进与新冠疫情后卫生系统重建的热点背景下，该数据助力研究者识别人力短缺的脆弱区域，如中西部非洲，并推动基于证据的卫生政策制定，对于实现全民健康覆盖与可持续发展目标具有深远的战略意义。