electricsheepafrica/africa-who-domestic-private-health-expenditure-per-capita-in-us

该数据集包含非洲国家在2000年至2023年间，世界卫生组织全球健康观察指标国内私人健康支出（PVT-D）人均美元（GHED_PVT-D_pc_US_SHA2011）的国家级观测数据。它是Electric Sheep Africa系列的一部分，这是一个统一的、适合机器学习使用的非洲数据存储库。数据直接来源于WHO Global Health Observatory OData API，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）。数据集覆盖了47个非洲国家，共计1,101行数据。

This dataset contains country-level observations for the WHO GHO indicator Domestic private health expenditure (PVT-D) per capita in US$ (GHED_PVT-D_pc_US_SHA2011) across African nations, spanning 2000–2023. 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. The dataset covers 47 African nations with a total of 1,101 rows.

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OData API，聚焦非洲地区“人均国内私人卫生支出（PVT-D）”这一关键指标。数据以Parquet文件格式重新封装，采用统一的模式架构，保留浮点精度的数值字段（NumericValue）作为主要数据源，并纳入置信区间上下界（value_low、value_high）以增强统计可靠性。数据集覆盖2000至2023年间47个非洲国家的1101条观测记录，每条记录对应特定国家与年份的唯一组合，不包含子维度分层，确保了数据结构的简洁性与可分析性。

使用方法

通过HuggingFace的datasets库，用户可便捷地加载该数据集并转换为Pandas DataFrame进行深入分析。例如，使用`load_dataset`函数直接获取数据后，可通过过滤`dim1`字段中不包含性别或居住地分层信息的行，获取全国层面的整体估计。同时，针对单一国家的时间序列分析，可利用`country_iso3`列筛选特定国家（如肯尼亚）并按年份排序，从而有效追踪人均卫生支出的历史演变趋势。

背景与挑战

背景概述

在全球健康治理体系中，卫生筹资的透明度与精细化度量是实现全民健康覆盖（UHC）的关键支柱。世界卫生组织（WHO）全球卫生观察站（GHO）长期追踪各国卫生支出指标，其中“国内私人卫生支出（PVT-D）人均美元值”（指标代码GHED_PVT-D_pc_US_SHA2011）聚焦非洲大陆四十七个国家在2000至2023年间私人部门对卫生系统的资金投入。该数据集由Electric Sheep Africa团队基于WHO开放式API进行结构化重打包，以Parquet格式提供1,101条观测记录，旨在搭建一个机器学习就绪的非洲区域健康数据仓库。作为区域卫生经济研究的稀缺开放资源，它填补了非洲各国私人卫生支出比较分析的空白，为政策制定者与研究者评估非公共筹资对卫生系统韧性、公平性及可持续性的影响提供了标准化数据基础。

当前挑战

该数据集所应对的领域核心挑战在于非洲大陆卫生支出数据的碎片化与不可比性：多数国家的国家卫生账户（NHA）系统残缺，私人卫生支出常通过零星调查或行政记录估算，缺乏统一核算口径，致使跨国纵向比较研究困难重重。构建过程中，团队需处理WHO原始API中多层维度结构的转译问题，包括性别、居住地类型等可能的亚组分层，同时需甄别浮点精度数值字段（NumericValue）与展示字符串字段的差异，确保数据一致性。此外，置信区间字段（value_low、value_high）的缺失模式因国别而异，年份覆盖率参差不齐，东北地区（如厄立特里亚、索马里）数据稀疏，要求数据处理管线具备健壮的缺失值检测与异常值过滤机制，以支持后续稳健的机器学习建模与统计分析。

常用场景

经典使用场景

在非洲卫生经济学与政策研究领域，该数据集作为世界卫生组织全球卫生观察站的核心指标之一，常被用于跨国分析与时间序列建模。研究者可基于47个非洲国家2000至2023年间的人均私人卫生支出数据，探索各国卫生融资结构演变趋势。其典型应用包括利用回归模型揭示私人支出与宏观经济指标（如GDP、人均收入）的关联，或结合其他卫生支出数据构建面板数据模型，评估非洲国家在全民健康覆盖进程中的私人资金贡献动态。数据集提供的置信区间信息进一步增强了统计推断的可靠性，适用于贝叶斯分层模型等高级分析方法。

解决学术问题

该数据集直击非洲卫生经济研究中长期存在的核心难题——缺乏统一、可机读的私人卫生支出微观数据。传统研究常受限于分散的统计年鉴和异质性定义，难以进行跨国产出对比。该数据集通过标准化Schema和Parquet格式，解决了数据清洗与整合的痛点，使得学者能够聚焦于私人支出对卫生系统韧性、疾病经济负担公平性的实证分析。其突破性在于，首次以机器学习就绪形式提供长达二十余年的非洲私人卫生支出序列，为检验健康保险渗透率、灾难性卫生支出发生率等理论假说提供了可靠数据基础，推动了非洲卫生融资研究的计量严谨性。

实际应用

在实际场景中，该数据集可直接支持世界卫生组织非洲区域办事处及各国卫生部的政策模拟工作。例如，结合医疗保险覆盖率数据，评估私人现金支出对家庭经济风险的保护缺口；或作为输入变量嵌入卫生资源分配模型，指导国际发展机构（如世界银行、全球基金）对非洲国家的卫生援助优先级排序。数据集的时序长度为预测模型训练提供了基础，可用于构建预警系统，识别私人卫生支出激增可能引致的因病致贫风险。此外，它还能为制药与健康保险公司提供市场容量估算依据，辅助商业决策。

数据集最近研究

最新研究方向

该数据集聚焦于非洲各国2000至2023年间人均国内私人卫生支出的时序变化，正处于全球卫生经济不平等与非洲医疗卫生融资机制研究的前沿。结合世界卫生组织全球卫生观察站的数据标准，研究者利用此数据集探讨私人卫生支出在非洲卫生系统韧性中的角色，尤其在新冠大流行后，私人支出与公共财政的互补关系成为热点。该数据为机器学习驱动的非洲卫生经济建模提供了标准化、高覆盖的基准，助力精准识别卫生融资缺口与区域差异，对推动全民健康覆盖与可持续发展目标在非洲的落地具有显著意义。