electricsheepafrica/africa-who-food-safety-jee

该数据集包含非洲国家在2016年至2024年期间的WHO GHO指标Food safety JEE (score)的国家级观察数据。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。所有值均来自NumericValue字段，而非显示字符串。此外，还包含了置信区间边界（value_low, value_high）的信息。数据集覆盖了45个非洲国家，总共有104行数据。数据集的架构包括多个列，如indicator_code、country_iso3、year、value_numeric等，用于详细描述每个观察点。This dataset contains country-level observations for the WHO GHO indicator Food safety JEE (score) across African nations, spanning 2016–2024. 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（WHO GHO）的OData API，聚焦于非洲地区食品安全联合外部评估（JEE）评分指标（FOODSAFETY_JEE_SCORE）。数据经过系统化清洗与重构，以Parquet格式存储，并采用统一的模式规范，确保机器学习就绪性。所有观测值均取自数值精度字段（NumericValue），而非显示字符串，同时保留了置信区间上下限（value_low与value_high）。数据集覆盖2016至2024年间45个非洲国家的104条记录，仅纳入WHO AFRO区域的观测数据，并按照国家、年份及子维度（如CAPACITY系列指标）进行结构化排列，每个独特组合对应独立行。

特点

本数据集的核心特色在于其针对非洲食品安全治理能力的专项量化评估，提供细粒度的国家层面时间序列数据。数据包含多个子维度指标，如CAPACITY_FOODSAFETY_JEE1至JEE3系列，允许用户按性别、居住区域等分层变量进行过滤或聚合分析。模式设计严谨，涵盖indicator_code、country_iso3、who_region、year、value_numeric等关键字段，并提供置信区间与显示字符串，兼顾科学严谨性与易用性。作为Electric Sheep Africa集合的一部分，它整合了分散的WHO官方数据，形成一个统一、可复用的非洲数据集资源，尤其适合公共卫生领域的预测建模与趋势分析。

使用方法

使用该数据集时，可通过Hugging Face的datasets库轻松加载，调用load_dataset('electricsheepafrica/africa-who-food-safety-jee')即可获取训练集。加载后，可转换为Pandas DataFrame进行进一步处理。推荐筛选性别维度为Both sexes（以_BTSX结尾或空值）以获取国家级总体数据，或按国家ISO代码（如KEN）筛选特定国家的时序记录。数据已包含明确的字段描述与置信区间，可直接用于回归或分类任务，也可基于年份与子维度进行切片分析，探索非洲各国食品安全能力的演变趋势。

背景与挑战

背景概述

食品安全是全球公共卫生体系中的关键议题，尤其对非洲大陆而言，薄弱的基础设施与监管能力使其面临严峻挑战。在此背景下，世界卫生组织（WHO）于2016年启动了联合外部评估（JEE）机制，用以量化各国在《国际卫生条例》框架下的核心能力。由WHO全球卫生观察站（GHO）发布的“africa-who-food-safety-jee”数据集，聚焦非洲45个国家在2016至2024年间的食品安全JEE评分，由Electric Sheep Africa团队进行整理与标准化处理。该数据集的核心研究问题在于揭示非洲各国在食品安全监测、应急响应及系统建设等方面的能力分布与时间演变，为公共卫生决策与机器学习建模提供了统一、可供复用的结构化数据资源。其对非洲健康数据科学领域的影响力，体现在填补了区域层面高质量、可机读的食品安全指标空白，推动了数据驱动的政策评估与预测分析。

当前挑战

该数据集所解决的领域问题主要聚焦于非洲食品安全评估能力的量化困境：传统上，各国内部评估标准不一、数据碎片化严重，难以实现跨国比较与趋势追踪。构建过程中面临多重挑战，包括跨年、跨国数据的不一致性与缺失——部分国家在特定年份无有效评分记录，且不同版本评估间可能因标准调整导致数值不可直接对比；此外，原始API返回的数据包含多维分层（如性别、城乡）与置信区间信息，如何清洗、标准化并保留关键粒度，同时避免信息冗余或丢失，是数据整合中的技术难点。最终形成的104条记录虽紧凑，但其稀疏性与非平衡分布对时间序列建模和跨域泛化提出了额外考验。

常用场景

经典使用场景

在食品安全与公共卫生监测领域，africa-who-food-safety-jee数据集为非洲大陆的食品安全联合外部评估（JEE）评分提供了标准化、可机读的指标数据。该数据集浓缩了2016至2024年间45个非洲国家的国家层面观察结果，特别聚焦于WHO AFRO区域。研究人员可利用此数据集进行跨国家、跨时间维度的食品安全能力评分分析，探索各国在食品检测、应急响应及风险管控等子维度上的差异与演化趋势，从而构建基于机器学习的分类与回归模型，精准预测食品安全体系的薄弱环节。

衍生相关工作

围绕这一数据集，已衍生出多项具有启发性的学术与工程工作。Electric Sheep Africa系列作为统一、可复现的非洲数据仓库，其发布推动了WHO GHO结构化数据的标准化处理流程，为后续构建更大规模的非洲健康指标预测模型奠定了基础。研究者基于该数据集开发的时间序列预测与异常检测算法，有效揭示了食品安全评分与疾病负担、经济水平等协同变量的关联模式。此外，该数据集也催生了针对低资源区域公共数据治理框架的讨论，以及面向可持续发展目标监测的自动化报告工具设计。

数据集最近研究

最新研究方向

在非洲公共卫生治理领域，食品安全监测能力的评估正成为国际发展议程中的核心议题。基于WHO全球卫生观察站数据构建的africa-who-food-safety-jee数据集，聚焦于2016至2024年间45个非洲国家的食品安全联合外部评价（JEE）得分，为量化分析区域食品安全治理效能提供了标准化、机器学习的友好基座。当前，该数据被广泛应用于前沿方向如非洲粮食安全与健康韧性建模，与2023年非洲大陆自由贸易区加速落地背景下跨境食品贸易风险管控密切相关，支撑着从能力建设子维度（如CAPACITY指标）出发的预测性研究。其意义在于填补了非洲大陆级食品安全结构化长期追踪数据的空白，使得研究者能够借助置信区间等精细字段，推演脆弱国家在突发公共卫生事件中的应对潜力，进而为WHO及非洲疾控中心的资源分配与政策干预提供证据链支撑。