electricsheepafrica/africa-who-dentists-hwf0011

该数据集包含WHO GHO指标“牙医（数量）”（HWF_0011）在非洲国家的国家级观察数据，时间跨度为1985年至2024年。它是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。数据直接从WHO Global Health Observatory OData API获取，并以Parquet文件形式重新打包，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 "Dentists (number)" (`HWF_0011`) 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（GHO）的开放数据接口（OData API），聚焦非洲地区牙医数量（HWF_0011）这一关键卫生人力资源指标。数据经系统性采集后，被重新封装为Parquet格式文件，并采用统一的数据模式进行存储。所有数值均取自`NumericValue`字段的浮点精度值，而非显示字符串，同时保留了置信区间上下界（`value_low`与`value_high`），以确保数据在机器学习任务中的可用性与精确性。数据集覆盖了1985年至2024年间47个非洲国家的428条观测记录，且仅包含WHO非洲区域（AFR）的国家。

使用方法

使用该数据集时，可借助HuggingFace的`datasets`库直接加载，如`load_dataset('electricsheepafrica/africa-who-dentists-hwf0011')`，并将结果转换为Pandas DataFrame以便后续处理。针对国家级层面的分析，可通过筛选`dim1`字段中结尾为`BTSX`或为空值的行来获取两性合计数据。若需研究特定国家的时间序列趋势，可按`country_iso3`过滤并结合`year`列排序，例如提取肯尼亚（KEN）的历年数据。这种灵活的数据操作方式使得研究者能够高效地聚焦于感兴趣的维度，进行卫生人力资源分布、变化趋势及区域比较等深入探究。

背景与挑战

背景概述

在撒哈拉以南非洲地区，口腔健康服务长期面临人力资本匮乏的困境，牙医作为关键医疗资源的分布与密度直接关乎公共卫生体系的韧性。该数据集由Electric Sheep Africa团队于2024年整合自世界卫生组织全球卫生观察站（WHO GHO），核心研究问题聚焦于非洲47国在1985至2024年间牙医数量的时空演变与结构性差异。通过统一架构的Parquet文件与置信区间字段的保留，该数据集为机器学习驱动的健康人力规划提供了高质量、可复现的基线性资源，尤其填补了非洲区域细粒度牙医数据长期在开放平台上标准化不足的空白，对全球健康不平等研究具有显著的資料基础设施价值。

当前挑战

该数据集所应对的领域挑战在于，非洲地区牙医数量统计常因各国定义标准不一、数据收集周期不稳定以及报告延迟而严重碎片化，进而阻碍跨时期与跨国别的宏观趋势建模。构建过程中遭遇的困难包括：从WHO OData API提取时需要处理缺失的置信区间字段、非统一国家编码带来的对齐问题，以及少量年份记录仅为数条却跨越四十年的稀疏观测，使得机器学习任务需直面典型的小样本与不平衡时间序列困境。此外，亚维度（如性别、城乡）的缺失或仅部分存在，进一步限制了分层建模与归因分析的可能性。

常用场景

经典使用场景

在公共卫生与全球健康治理领域，非洲地区牙医数量数据（HWF_0011）的经典使用场景集中于卫生人力资源的时间序列建模与跨国比较分析。研究者可基于该数据集覆盖1985至2024年间47个非洲国家的年度观测值，构建牙医供给量的趋势预测模型，或结合各国人口统计及经济指标，评估牙医资源配置的公平性与发展轨迹。该数据以标准化Parquet格式提供，并包含置信区间信息，为开展稳健的统计回归、面板数据分析及机器学习预测任务提供了高质量基础。

解决学术问题

该数据集有效回应了非洲口腔健康人力资源研究中长期存在的数据碎片化与可比性缺失问题。通过整合WHO全球卫生观察站的权威数据并统一预处理，研究者得以突破传统官方报告发布的时空滞后性，系统探究牙医密度与各国疾病负担、医疗支出水平之间的关联机制。在学术意义上，它为验证卫生人力规划理论、检验资源配置的边际效益，以及评估国际卫生发展目标的实现进度提供了量化依据，尤其填补了撒哈拉以南非洲地区相关实证研究的空白。

实际应用

在实际应用层面，该数据集直接服务于非洲各国卫生部的政策制定与规划决策。决策者可利用牙医数量的历史变迁轨迹，结合本地区口腔疾病流行病学数据，识别牙科服务供给的缺口区域与高峰期人口需求。此外，该数据作为培训与部署计划的输入参数，助力国际卫生组织如WHO非洲区域办事处在制定卫生人力战略时，进行基于证据的资源调配与优先级排序。它也是高校公共卫生学院开展案例教学、学生进行跨国卫生系统比较研究的宝贵材料。

数据集最近研究

最新研究方向

在全球公共卫生体系韧性备受瞩目的当下，口腔健康作为全民健康覆盖的关键一环，其人力资本配置成为研究前沿。非洲地区牙医数量数据集（africa-who-dentists-hwf0011）聚焦于1985至2024年间47个非洲国家的牙医人力资源时空分布，为精准评估该区域口腔医疗服务可及性、监测世卫组织全球卫生人力战略（如《全球口腔卫生行动计划》）落实成效提供了量化基石。该数据集以机器就绪格式整合世卫组织全球卫生观测站官方数据，并蕴含置信区间信息，可支撑因果推断与预测建模，助力揭示牙医分布不均与口腔疾病负担之间的耦合机制。在新冠疫情凸显卫生系统脆弱性的背景下，此类数据对推动非洲口腔健康公平性研究、优化援非卫生项目资源配置具有里程碑意义。