electricsheepafrica/africa-who-estimate-of-current-tobacco-use-prevalence-esttobcurr

该数据集包含世界卫生组织全球健康观察站（WHO GHO）关于非洲国家当前烟草使用流行率估计（%）的国别观察数据，时间跨度为2000年至2030年。它是Electric Sheep Africa集合的一部分，这是一个统一的、适合机器学习使用的非洲数据存储库。数据直接来自WHO GHO 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40个非洲国家，总行数为1,320行，并按性别等子维度进行分层。This dataset contains country-level observations for the WHO GHO indicator "Estimate of current tobacco use prevalence (%)" (`M_Est_tob_curr`) across African nations, spanning 2000–2030. 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 40 African nations with a total of 1,320 rows and is stratified by sub-dimensions such as sex.

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API，聚焦于非洲地区当前烟草使用流行率的估算指标（M_Est_tob_curr）。数据经系统化采集与整理，以Parquet文件格式封装，并辅以统一的数据模式。所有数值均源自浮点精度字段NumericValue，而非显示字符串，从而确保数值的精确性。数据集覆盖2000年至2030年间40个非洲国家的1,320条观测记录，并依据性别（SEX）等维度进行分层，每一独特的国家、年份与维度组合均构成独立行，便于细粒度分析。

特点

该数据集的核心特质在于其结构化与多维性。它不仅提供烟草使用流行率的点估计值，还纳入了置信区间上下限（value_low与value_high），为统计推断提供了坚实支撑。数据通过性别（如男女全员、男性、女性）等维度进行细分，允许研究者针对特定亚群展开深入探索。此外，数据集中所有观测均明确标注国家ISO代码、WHO区域与时间戳，确保了地理与时间维度的可追溯性，使其成为非洲公共卫生研究中一项高质量的机器学习就绪资源。

使用方法

用户可以借助HuggingFace的datasets库便捷地加载该数据集，例如使用`load_dataset('electricsheepafrica/africa-who-estimate-of-current-tobacco-use-prevalence-esttobcurr')`命令，并将其转换为Pandas DataFrame进行后续分析。为聚焦于特定子群体，可通过过滤dim1字段实现，例如选取`SEX_BTSX`以获取全员层面的数据。时间序列分析则可通过对country_iso3字段进行筛选并按年份排序来完成，从而支持跨国家与跨年度的纵向比较与建模任务。

背景与挑战

背景概述

烟草使用是全球可预防的主要死因之一，尤其在非洲地区，其流行态势与公共卫生政策紧密相关。世界卫生组织全球卫生观测站（WHO GHO）于2000年起系统追踪烟草使用流行率，并发布“当前烟草使用患病率估计”指标（代码M_Est_tob_curr）。该数据集由Electric Sheep Africa团队整理，汇聚了2000年至2030年间40个非洲国家的1,320条观察记录，涵盖性别与城乡等子维度，为非洲控烟研究提供了首个标准化、机器学习就绪的数据仓库。其影响力在于弥合了全球卫生数据与人工智能应用之间的鸿沟，助力政策制定者与研究者从数据驱动角度评估控烟干预效果，并推动可持续发展目标中健康指标的监测。

当前挑战

该数据集所解决的领域挑战，在于非洲大陆长期面临烟草使用流行率数据碎片化、标准不一的问题，导致跨国家、跨时间比较困难，难以精准设计区域性控烟策略。构建过程中，研究人员须应对多重困境：原始WHO数据经由OData API提取后需清洗、统一格式，并整合置信区间（value_low与value_high）以提升统计可靠性；不同国家与年份的缺失值及维度（如性别、城乡）分布不均，增加了模型训练的偏差风险；此外，数据覆盖2030年未来年份，涉及预测与不确定性处理，对抗机器学习模型的泛化能力与时效性带来了双重挑战。

常用场景

经典使用场景

在公共卫生与流行病学领域，该数据集常用于评估非洲各国及亚群（如性别分层）的烟草使用流行趋势，构建时空演变模型。研究者可借助其2000至2030年的长时序面板数据，追溯烟草消费的变迁轨迹，揭示性别间的差异格局。经典的回归分析、分类任务乃至时间序列预测均以此为基础，通过点估计值与置信区间捕捉不确定性，为刻画非洲大陆的烟草负担提供量化支撑。

解决学术问题

该数据集精准回应了非洲地区烟草使用系统监测缺失的学术困境。长期以来，缺乏统一、可机读的高质量面板数据使得跨国比较与政策评估举步维艰。数据集整合了WHO全球健康观察的权威指标，纳入性别等关键分层变量，从而帮助学者分解混杂因素，评估控烟干预的实际效果。它推动了关于健康不平等、烟草税政策以及可持续发展目标（SDG 3.a）实现进度的实证研究，填补了区域证据空白。

衍生相关工作

围绕该数据集衍生了一系列重要的基础性工作。Electric Sheep Africa项目将其作为非洲健康数据统一仓库的核心组件，推动了数据标准化与可复现研究的范式。基于此，已有研究构建了非洲国家层面的烟草流行预测模型，并与经济、教育等宏观指标联动分析。此外，该数据常与WHO全球烟草流行报告（MPOWER系列）联用，成为验证控烟政策成效的量化基石，也为后续开发更细粒度亚区域模型提供了参考标杆。