electricsheepafrica/africa-who-healthy-life-expectancy-at-birth

该数据集包含非洲国家在2000年至2021年间，世界卫生组织全球健康观察站（WHO GHO）关于出生时健康预期寿命（HALE）的指标数据。数据来源于WHO Global Health Observatory OData API，并以Parquet文件格式重新打包，具有一致的架构。数据集涵盖了47个非洲国家，总共有3,102行数据。数据还包括了按性别等子维度分层的详细信息。

This dataset contains country-level observations for the WHO GHO indicator Healthy life expectancy (HALE) at birth (years) across African nations, spanning 2000–2021. 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）的开放数据接口，聚焦非洲地区出生时健康预期寿命（HALE）这一核心指标。通过OData API直接获取原始数值，剔除显示字符串后，将浮点精度的数值字段作为主要数据来源，并纳入置信区间上下界。所有观测值均按国家、年份及性别等维度进行结构化整理，最终以Parquet格式统一封装，形成一份面向机器学习任务的标准化数据集。

使用方法

用户可通过HuggingFace Datasets库的load_dataset函数快速加载数据，返回的Dataset对象可转换为Pandas DataFrame进行后续操作。典型用法包括按性别维度过滤出全国总体数据，或通过国家代码筛选特定国家的时间序列。数据表包含indicator_code、country_iso3、year、value_numeric等关键字段，适合直接作为回归模型的特征与标签输入，亦可聚合跨性别或年龄组的数据进行宏观趋势分析。

背景与挑战

背景概述

健康预期寿命（HALE）作为衡量人口健康水平的综合指标，不仅反映了生命长度，更揭示了生命质量，是评估公共卫生政策成效的关键参数。非洲地区由于疾病负担沉重、卫生系统薄弱，健康预期寿命数据尤为稀缺且分布不均。在此背景下，由Electric Sheep Africa团队于2024年构建的“africa-who-healthy-life-expectancy-at-birth”数据集应运而生。该数据集整合了世界卫生组织全球卫生观察站（WHO GHO）的官方数据，覆盖2000年至2021年间47个非洲国家的健康预期寿命观测值，共计3102条记录，并纳入了性别分层信息。作为首个面向机器学习的非洲健康预期寿命标准化数据集，它填补了该地区高质量、结构化健康数据的空白，为跨国家比较、时间序列建模及政策模拟提供了可靠基础，对推动非洲公共卫生领域的量化研究具有里程碑意义。

当前挑战

该数据集所解决的领域核心挑战在于非洲地区健康预期寿命数据长期存在的碎片化与不可比性问题。传统数据来源分散于各国统计机构与国际组织，缺乏统一格式和高质量标注，严重制约了机器学习模型在公共卫生预测、疾病负担归因及卫生资源优化配置等任务上的应用。在数据构建过程中，团队面临多重技术挑战：从WHO OData API中提取原始数据时需处理缺失值、异常值以及不同版本间的指标代码一致性；数据分层属性（如性别、城乡）的标准化表达需严格映射以减少歧义；此外，原数据中置信区间字段的不完整使得模型评估需设计专门的缺失值处理策略。这些挑战的克服不仅需要数据清洗与ETL流程的精密设计，还涉及对公共卫生领域知识的深刻理解，从而确保最终数据集既满足机器学习就绪标准，又忠实保留原始统计信息的科学内涵。

常用场景

经典使用场景

该数据集专为非洲地区健康寿命期望（HALE）的预测与回归分析而设计，是机器学习与统计建模在公共卫生领域应用的典型范例。研究者常利用其时间序列结构，结合国家、性别等维度特征，构建回归模型以预测健康寿命的动态变化。其涵盖47个非洲国家、跨越22年的丰富观测记录，为纵向分析与面板数据建模提供了坚实的数据基础。数据集中包含点估计值与置信区间，使其既适用于点预测任务，也支持不确定性量化研究，因此成为评估非洲健康干预措施效果、探索区域健康差异的经典数据源。

解决学术问题

该数据集解决了非洲地区健康寿命长期缺乏标准化、机器学习友好型数据的历史难题。在学术层面上，它使得研究者能够系统性地分析健康寿命的时空演变规律，识别影响非洲人口健康寿命的关键社会、经济与环境因素。通过回归分析、因果推断等统计方法，该数据集帮助揭示性别、居住地类型等维度对健康寿命的差异化影响，弥补了以往研究因数据碎片化而难以展开跨国比较的缺憾。其公开可用性极大推动了全球健康不平等领域的定量研究，为制定基于证据的公共卫生政策提供了科学依据。

实际应用

在实际应用中，该数据集为世界卫生组织、非洲各国卫生部及非政府组织提供了监测健康寿命趋势的可靠工具。决策者可依据不同国家、性别和年份的健康寿命预测结果，精准识别健康脆弱群体，优化医疗资源分配策略。例如，通过分析城乡之间的健康寿命差异，能够指导农村地区的医疗服务网络建设。此外，该数据集还广泛应用于健康经济学评价，用于测算疾病负担、评估干预成本效益，以及支持联合国可持续发展目标中健康相关指标的追踪与达成。

数据集最近研究

最新研究方向

基于非洲地区健康预期寿命（HALE）数据的机器学习模型构建与区域健康不平等分析，该数据集作为WHO全球卫生观察站（GHO）的核心指标之一，为追踪非洲各国自2000年至2021年的出生时健康预期寿命演变提供了标准化、机器就绪的细粒度观测。当前前沿研究聚焦于利用该时空序列数据训练回归与分类模型，以揭示健康预期寿命与社会经济、医疗可及性及疫情冲击（如COVID-19大流行）之间的动态关联，并通过性别和居住地分层维度（如SEX_BTSX、RURAL）识别非洲内部健康不平等模式。该数据集经Electric Sheep Africa重构为一致性Parquet格式并保留置信区间，显著降低了数据清洗壁垒，有望推动跨区域健康政策评估与预测性公共卫生干预的实证研究。