electricsheepasia/asia-who-hospital-beds

该数据集包含来自世界卫生组织全球健康观察站（WHO GHO）的亚洲地区医院床位数据，具体指标为每万人口医院床位数。数据集涵盖48个亚洲国家，时间跨度为2000年至2023年，共985条观测记录，包含1个独特指标（WHS6_102）。数据以表格形式呈现，包括指标代码、国家ISO3代码、WHO区域、年份、数值、显示值等列。数据集由Electric Sheep Asia重新打包，适用于表格分类、回归和时间序列预测等任务。This dataset contains hospital beds (per 10,000 population) data for Asia from the WHO Global Health Observatory (GHO). It includes 985 observations across 48 Asian countries, spanning the years 2000 to 2023, with 1 distinct indicator (WHS6_102). The data is presented in tabular format, including columns such as indicator_code, country_iso3, who_region, year, value_numeric, and value_display. Repackaged by Electric Sheep Asia, it is suitable for tasks like tabular classification, regression, and time-series forecasting.

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）的权威统计，经Electric Sheep Asia团队重新封装处理。涵盖了2000年至2023年间48个亚洲国家的每万人拥有医院床位数量这一核心指标，共计985条观测记录。数据以结构化表格形式呈现，包含指标代码、国家ISO3编码、WHO区域、年份、数值、置信区间上下限及数据更新时间等字段。原始数据遵循cc-by-4.0许可协议发布，确保了数据的合法合规使用。

特点

数据集具有显著的时间序列特征与地理多样性，横跨24年且覆盖亚洲48个国家，为区域医疗资源配置研究提供了纵向与横向双重分析维度。单一核心指标WHS6_102聚焦于医院床位密度，数据质量经过WHO官方审核。数据集以Parquet格式存储，列类型清晰，包括整数型年份、浮点型数值、字符串型代码与日期等，便于机器学习与统计分析任务的直接接入。

使用方法

用户可通过HuggingFace datasets库的load_dataset函数一键加载数据，返回为支持pandas DataFrame操作的标准数据集。支持按国家筛选进行国别分析，如筛选印度尼西亚数据；按时间序列对核心指标排序后绘制趋势图；或通过透视表构建国家×年份矩阵。数据集适用于表格分类、回归及时序预测等任务，配合Python生态工具可快速开展医疗资源评估与政策研究。

背景与挑战

背景概述

该数据集由世界卫生组织全球卫生观测站（WHO GHO）于2025年发布，经Electric Sheep Asia团队重新整理后发布于HuggingFace平台，聚焦于亚洲48个国家在2000至2023年间每万人口拥有的医院床位数量。医院床位密度是衡量一个国家医疗卫生基础设施可及性与应急能力的关键指标，尤其在突发公共卫生事件与老龄化社会背景下，精准的时空数据对卫生政策制定与资源分配至关重要。该数据集涵盖985条观测记录，为亚洲区域卫生系统比较、时间序列分析与预测建模提供了标准化、机器可读的高质量数据基础。

当前挑战

数据集所解决的领域问题在于，亚洲各国医疗卫生数据存在来源分散、统计口径不一、时间跨度不完整等挑战，导致跨国产能评估与卫生资源配置优化面临困难。通过统一加工WHO官方数据，该数据集弥补了区域级医院床位密度长期缺乏整合发布资源的空白。在构建过程中，团队需应对不同国家数据缺失、年份不连续、指标编码歧义等难题，并采用规范化Schema与Parquet格式确保下游模型可直接调用，从而降低数据预处理成本并提升复现性。

常用场景

经典使用场景

在亚洲区域卫生系统研究领域，'asia-who-hospital-beds'数据集被广泛用于构建时空序列模型与分析框架。基于48个亚洲国家2000至2023年间每万人医院床位数的连续观测数据，研究者可借助经典的时间序列预测方法，如ARIMA、Prophet或长短期记忆网络（LSTM），对各国卫生基础设施的演变轨迹进行建模。该数据集亦常被用作回归任务中的核心因变量，用以探究经济发展、人口老龄化与公共卫生投入等因子对医疗资源配置水平的量化影响，为跨国的比较政策研究提供可靠的实证基石。

解决学术问题

该数据集精准回应了亚洲卫生系统研究中长期存在的核心困境——缺乏标准化、长时序且区域覆盖完整的医疗资源量化资料。学术界曾因数据源零散、统计口径不统一而难以开展严谨的跨国比较分析。凭借世界卫生组织全球卫生观察站（GHO）的权威元数据与统一指标编码（WHS6_102），该数据集有效解决了因观测缺失或定义歧义而产生的模型偏差问题，推动研究者得以系统性地评估亚洲各国卫生系统韧性演进趋势，揭示潜在的区域不平等格局及其演化机理。

衍生相关工作

依托该数据集的开放性与规范性，衍生出了一系列具有代表性的科研与工程成果。在学术领域，研究者将其与WHO其他指标（如人均医疗支出、疾病负担数据）融合，构建了亚洲卫生系统综合效能评估框架；部分工作在此数据基础上开发了面向卫生资源预测的轻量级机器学习工具包。在开源社区，Electric Sheep Asia还基于相同的数据管线处理了涵盖多领域的亚洲公共数据，形成了可持续更新的数据生态。此外，该数据集亦被用于教育场景中，作为时间序列分析与数据可视化课程的典型案例教学素材。