electricsheepafrica/africa-health-worker-migration

一个用于预测非洲医疗系统卫生工作者迁移的合成表格数据集。非洲每年因培训移民工作者而损失20亿美元。A synthetic tabular dataset for predicting health worker migration from African healthcare systems. Africa loses $2 billion annually training workers who emigrate.

搜集汇总

数据集介绍

构建方式

该数据集以合成数据生成技术为核心，首先基于非洲卫生工作者的真实流失背景，依据WHO、AU等权威机构提供的流行病学权重，对20个国家的医护人员进行分层抽样。正例样本模拟恶劣工作条件与强烈外迁拉力，对照样本则呈现良好条件与低迁移意愿，并经过泄漏过滤确保类别纯净。通过引入领域知识驱动的特征工程，构建工作压力、资源满意度、职业发展等复合评分，最终形成10,000条完全平衡、无缺失值的结构化表格数据。所有生成过程均以固定随机种子42确保可复现性。

使用方法

该数据集支持从基础机器学习到高级建模的多样化应用。用户可通过HuggingFace的load_dataset接口直接加载，亦可转为Pandas DataFrame进行分析。推荐的预处理包括对分类变量进行独热编码、连续特征标准化，以及按国家分层划分数据集。支持迁移风险预测、保留策略优化、乡村人力规划等场景，并兼容生存分析、多任务学习、因果推断等前沿范式。模型评估采用5折分层交叉验证，预期随机森林可达到0.82-0.88的准确率与0.88-0.93的ROC-AUC值，为卫生人力政策研究提供了可靠的合成数据基础。

背景与挑战

背景概述

在全球卫生治理体系中，非洲大陆长期面临卫生人力严重短缺的困境，每千人口医生数量不足1人，而每年因卫生工作者移民造成的培训损失高达20亿美元。由Electric Sheep Africa于2024年创建的非洲卫生工作者迁移数据集，旨在通过合成表格数据预测卫生人力从非洲医疗体系向外迁移的风险。该数据集覆盖20个非洲国家、2019至2024年的时间跨度，包含40余项特征，涉及薪酬、工作条件、职业发展、安全保障等多维影响因素，为分析卫生人才流失的驱动机制提供了结构化工具。作为首个聚焦非洲卫生工作者移民预测的公开数据集，它为弥补纵向追踪数据缺失、乡村代表性不足等研究空白提供了关键支撑，对推动全球卫生人力政策优化与国际合作具有重要学术与实践价值。

当前挑战

该数据集面临的核心挑战在于破解卫生工作者跨国迁移这一复杂的多因素决策问题，需要同时捕捉推拉因素的交互效应、个体异质性与国家层面的制度差异。现有研究缺乏有效的纵向追踪数据，乡村卫生工作者的经历长期被忽视，干预措施的有效性评估不足，新冠疫情对迁移意愿的冲击机制尚不清晰。在数据集构建过程中，合成数据虽确保了完美平衡的类别分布（50/50）并消除了缺失值，但如何通过算法模拟真实世界中的异质性、噪声与相关性结构，同时避免特征工程与标签间的信息泄露，构成技术层面的核心挑战。此外，数据集的合成属性决定了其分布与真实监测数据可能存在偏差，需要在应用中持续验证与校准。

常用场景

经典使用场景

在非洲医疗卫生体系面临严峻人才流失的背景下，该数据集最经典的使用场景是构建预测卫生工作者移民风险的分类模型。研究者可利用40余项特征，涵盖个人属性（如年龄、经验、家庭状况）、工作环境（如薪资延迟、每周工时、患者负荷）、职业发展（如培训机会、晋升空间）以及安全与心理健康指标（如职业倦怠评分、职场暴力经历），通过随机森林或XGBoost等算法，精准识别具有高移民倾向的医护人员。数据集的平衡设计（正负样本各5000例）及复合风险评分（如经济压力、推拉因素）为模型提供了稳健的输入，使其适用于个体层面的风险分层。

解决学术问题

该数据集的核心学术价值在于填补了非洲卫生工作者移民领域长期存在的纵向追踪数据空白。传统研究受限于横截面调查、样本量不足及乡村地区代表性缺失，难以系统量化推拉因素（如收入差距、工作条件、海外家庭纽带）对移民决策的复合效应。数据集通过合成真实流行病学分布，揭示了职业倦怠、资源匮乏与安全风险（如疟疾暴露、暴力事件）如何与宏观经济压力（如2亿美元年培训损失）交织，驱动人才外流。其工程化特征（如安全幸福感评分、高移民风险标记）支持因果推断与成本敏感学习，为验证WHO《全球卫生人员国际招聘行为准则》的有效性提供了量化工具。

实际应用

在实际应用中，该数据集赋能非洲各国卫生部与国际组织（如世界卫生组织、国际移民组织）设计精准人才保留策略。例如，基于模型输出可识别高风险群体（如农村地区的女性助产士），进而定向改善其福利（如即时薪酬发放、心理支持计划）或提供本地晋升通道；同时，政策制定者能评估双边招聘协议（如英国NHS每年招募超5000名非洲护士）对本国卫生系统的影响，优化补偿机制。数据集的乡村-城市划分与设施类型（如诊所vs医院）特征，还支持针对资源匮乏地区的远程医疗部署和人力重新分配，将算法结果转化为可操作的卫生人力规划干预。

数据集最近研究

最新研究方向

该数据集聚焦于非洲卫生工作者移民问题，通过合成数据构建了包含40余项特征的多维分类数据集，用于预测医护人员是否选择移民。当前前沿研究方向集中于利用机器学习模型（如随机森林、XGBoost）识别高移民风险群体，并结合生存分析与因果推断探究工作条件、资源可及性、职业发展等复合因子对移民决策的交互影响。研究热点紧扣WHO全球卫生人力守则与非洲联盟人力资源战略，旨在缓解由于人才流失导致的每年20亿美元培训损失。该数据集为政策制定者提供了模拟干预效果的量化工具，尤其在新冠疫情后卫生系统脆弱性加剧的背景下，对优化农村人力配置、实施针对性留任策略具有显著的指导意义。