electricsheepafrica/africa-who-percentage-of-sites-for-which-pyrethroid-resistance-was

该数据集包含世界卫生组织全球健康观察站（WHO GHO）指标拟除虫菊酯抗性报告站点百分比（IR_PYRETHROID_EXTENT）在非洲国家2000年至2015年间的国家级观测数据。它是Electric Sheep Africa系列的一部分，这是一个统一、适合机器学习使用的非洲数据存储库。数据直接从WHO Global Health Observatory OData API获取，并以Parquet文件格式重新打包，具有一致的架构。所有值均来自NumericValue（浮点精度字段），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）。

This dataset contains country-level observations for the WHO GHO indicator Percentage of sites for which pyrethroid resistance was reported (IR_PYRETHROID_EXTENT) across African nations, spanning 2000–2015. 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的OData API，聚焦于非洲地区2000至2015年间拟除虫菊酯抗药性报告点位的国家层面观测数据。原始数据经过系统性清洗与重构，所有数值均采用高精度的浮点型字段（NumericValue），而非显示字符串，并保留了可用的置信区间上、下限。数据以Parquet格式封装，遵循一致的列式架构，最终整合为包含39个非洲国家、共计249条记录的机器学习就绪数据集。

使用方法

用户可通过HuggingFace的datasets库便捷加载该数据集，指令为`load_dataset("electricsheepafrica/africa-who-percentage-of-sites-for-which-pyrethroid-resistance-was")`，随后转换为Pandas DataFrame进行深入操作。使用时，建议针对特定分析目标进行过滤：如需全国男女综合水平数据，可基于dim1字段筛选以`_BTSX`结尾或为空的条目；若关注特定国家的时间演变，则通过`country_iso3`字段（例如`KEN`）结合年份排序即可高效提取子集。

背景与挑战

背景概述

自2000年以来，非洲地区疟疾防控面临严峻挑战，尤其是按蚊对拟除虫菊酯类杀虫剂耐药性的广泛扩散，严重削弱了以长效杀虫剂处理蚊帐和室内滞留喷洒为核心的干预措施的有效性。世界卫生组织全球卫生观察站（WHO GHO）于2015年发布“报告拟除虫菊酯耐药性的监测点百分比”指标，由Electric Sheep Africa团队整理为机器学习就绪数据集，覆盖39个非洲国家2000至2015年的249条年度观测。该数据集通过系统化整合官方监测记录，为量化抗药性传播的时空动态、评估防控策略成效及优化资源分配提供了关键数据基础，在公共卫生、流行病学与机器学习交叉领域具有重要推动意义。

当前挑战

该数据集解决的核心领域问题在于监测和量化非洲地区按蚊对拟除虫菊酯类杀虫剂耐药性的扩散程度，为疟疾防控决策提供依据。数据构建中面临多重挑战：首先，监测站点分布不均，部分国家数据稀疏，影响区域间可比性；其次，原始数据来源于WHO GHO的OData API，不同年份和国家在数据采集方法、置信区间报告完整性上存在差异，需统一清洗与标准化；再者，数据仅含点估计及上下置信界，缺乏分层维度（如城乡、性别），限制了细粒度分析；最后，时间跨度止于2015年，需及时更新以反映耐药性演变新趋势。

常用场景

经典使用场景

在公共卫生与疾病控制领域，非洲地区疟疾病媒对拟除虫菊酯类杀虫剂的抗药性监测是制定有效防控策略的关键。该数据集提供了2000至2015年间非洲39个国家的国家级年度观测数据，记录了各地报告拟除虫菊酯抗药性的监测站点比例。研究者可借助这些数据构建时间序列模型，追踪抗药性在时空维度上的演变趋势，或利用其作为特征变量，分析抗药性水平与疟疾发病率、杀虫剂使用政策之间的潜在关联。数据集采用统一的Parquet格式且包含置信区间信息，为开展稳健的统计推断与计量分析奠定了坚实基础。

解决学术问题

该数据集的核心学术贡献在于填补了非洲大陆层面拟除虫菊酯抗药性的系统化定量数据空白。传统研究多依赖零散的局部调查，难以进行跨国的比较分析与趋势研判。通过提供标准化的百分比指标与长时序覆盖，该数据使得学者能够量化抗药性扩散的速度与地理模式，评估不同国家防控干预措施的效果差异，并验证杀虫剂轮换策略对延缓抗药性发展的长期影响。其存在推动了非洲疟疾流行病学从描述性研究向预测性建模与因果推断的范式演进，为全球抗疟战略的证据基础注入了宝贵的非洲本地化视角。

实际应用

在实际公共卫生决策中，该数据集为世界卫生组织非洲区域办事处及各成员国疾病控制项目提供了直接的数据支撑。卫生规划者可以依据逐年变化的抗药性比例，动态调整室内滞留喷洒与长效杀虫蚊帐的部署优先级，将有限资源精准投放至抗药性风险最高的区域。此外，数据集可与气象、人口流动及蚊虫生态监测数据融合，构建早期预警系统，辅助制定杀虫剂敏感性恢复期间的管理策略。对于跨国制药与公共卫生机构而言，这些信息也是评估新型杀虫剂研发优先级、设计实地临床试验方案的重要依据。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区疟疾媒介对拟除虫菊酯类杀虫剂抗药性监测的前沿议题，其核心价值在于为全球健康治理中的抗药性时空演化分析提供结构化数据支撑。近年来，随着气候变化与杀虫剂滥用加剧，疟疾病媒对拟除虫菊酯的抗性扩散已成为撒哈拉以南非洲公共卫生的燃眉之急。该数据集覆盖39个国家2000至2015年的站点级抗性报告比例，不仅为机器学习驱动的抗药性风险预测模型（如时空动态贝叶斯网络）提供训练基准，更与WHO《全球疟疾技术策略》中提出“到2025年遏制抗药性蔓延”的紧迫目标形成呼应。通过量化抗性地理分布与时间梯度，研究者可揭示环境驱动因子与抗性演化间的耦合机制，为制定区域性杀虫剂轮换策略或推广混合干预措施（如长效蚊帐与室内滞留喷洒的协同使用）提供循证依据。这一数据资产的开放共享，有效弥合了非洲本土健康数据在结构化与可复现性上的鸿沟，成为连接流行病学监测与计算社会科学的关键纽带。