electricsheepafrica/africa-who-prevalence-of-insufficient-physical-activity-among-adults-ncdpaa

该数据集包含了世界卫生组织全球健康观察站（WHO GHO）关于非洲国家18岁以上成年人缺乏身体活动的流行率（年龄标准化估计）的百分比（指标代码：NCD_PAA）的国家级观察数据，时间跨度为2000年至2022年。数据集是Electric Sheep Africa项目的一部分，该项目是一个统一的、适合机器学习使用的非洲数据存储库。数据直接从WHO Global Health Observatory的OData API获取，并以Parquet文件格式重新打包，具有一致的架构。所有数值均来自浮点精度字段（NumericValue），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，总行数为3,243行。This dataset contains country-level observations for the WHO GHO indicator "Prevalence of insufficient physical activity among adults aged 18+ years (age-standardized estimate) (%)" (`NCD_PAA`) across African nations, spanning 2000–2022. 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 and contains 3,243 rows in total.

搜集汇总

数据集介绍

构建方式

本数据集源自世界卫生组织全球卫生观察站（WHO GHO）的开放式OData API，经由Electric Sheep Africa团队整合与转化，形成面向机器学习场景的标准化数据集。其核心指标“成年人（18岁及以上）身体活动不足的年龄标准化患病率（%）”针对非洲47个国家，涵盖2000年至2022年间的观测数据，总计3243条记录。数据集以Parquet格式存储，采用统一的数据模式，所有数值均来自API中原生浮点精度的`NumericValue`字段，而非格式化后的显示字符串。对于分层维度（如性别或居住区域类型），每个国家、年份与维度的组合均生成独立行，并保留了置信区间上下界，便于后续的统计分析与建模使用。

特点

该数据集的显著特点在于其层次化结构设计。数据集不仅包含主指标的核心点估计值，还提供了对应的高斯置信区间（`value_low`和`value_high`），有助于评估估计的不确定性。同时，数据通过`dim1`和`dim2`字段实现了多维细分，涵盖性别（如两性、男性、女性）等子维度，便于研究者根据分析需求灵活筛选。所有字段均采用严谨的类型定义，例如国家代码使用ISO 3166-1 alpha-3标准，区域统一为WHO的AFR代码，确保了跨数据集的一致性与可互操作性。时间跨度长达二十余年，为纵向趋势分析提供了充足的数据基础。

使用方法

使用本数据集时，可通过HuggingFace的`datasets`库直接加载，例如`load_dataset("electricsheepafrica/africa-who-prevalence-of-insufficient-physical-activity-among-adults-ncdpaa")`，并获得可直接转换为Pandas DataFrame的训练集。针对国家层面的总体分析，推荐筛选`dim1`字段中以`_BTSX`结尾的行或缺失此行字段的记录，以获取两性合并的数据。若需研究特定国家的时间演变，则可依据`country_iso3`字段过滤（如`KEN`表示肯尼亚），并按年份排序。对于维度分层场景，可基于`dim1_type`和`dim1`进行分组聚合，实现跨性别或区域类型的比较分析。数据集加载简便，结构清晰，适合直接应用于回归或分类任务。

背景与挑战

背景概述

身体活动不足已成为全球非传染性疾病（NCDs）的重要风险因素，尤其在非洲地区，城市化与生活方式变迁使得该问题日趋严峻。世界卫生组织（WHO）全球卫生观察站（GHO）自2000年起系统监测成人身体活动不足的流行率，而本数据集由Electric Sheep Africa团队于2022年整理发布，聚焦非洲47个国家2000至2022年间18岁以上成年人年龄标准化身体活动不足率（NCD_PAA指标）。数据来源于WHO官方OData API，经统一架构重打包为机器学习就绪的Parquet格式，涵盖性别分层及置信区间信息。该数据集为非洲区域健康政策评估、流行病学建模及可持续发展目标（SDG 3.4）监测提供了关键量化基础，填补了该区域高质量、可复用公共健康数据资源的空白，对推动基于证据的干预策略具有显著影响力。

当前挑战

该数据集所解决的领域核心挑战在于，非洲地区长期缺乏标准化、机器可读的身体活动不足流行率数据，导致跨国家、跨时间段的比较分析受阻，并限制了对非传染性疾病风险因素的精准建模与政策效果评估。在构建过程中，面临多重挑战：首先，WHO原始数据接口返回格式不一，需清洗并规范化为统一模式，确保‘NumericValue’字段的正确提取而非显示字符串的误用；其次，数据存在性别、城乡等分层维度，需妥善处理维度组合带来的稀疏性与冗余行问题，以维持时间序列的连续性与可聚合性；此外，部分国家某些年份的置信区间缺失，需设计合理的填充或标记策略以避免分析偏差，同时保证框架的机器学习友好性与可复现性。

常用场景

经典使用场景

该数据集聚焦于非洲18岁以上成年人缺乏身体活动的年龄标准化患病率（NCD_PAA指标），涵盖了2000年至2022年间47个非洲国家的3243条观测记录。其经典使用场景在于构建纵向时空分析模型，研究人员可利用国家、年份与性别分层（如男女与合计）的细分维度，追踪非洲大陆身体活动不足的动态演变趋势。数据集提供点估计值及置信区间，非常适合进行跨国比较研究，例如评估各国非传染性疾病预防政策的阶段性成效，或者检测城乡、不同性别亚群之间的活动水平差异。

衍生相关工作

该数据集衍生了一系列重要的相关研究工作，尤其在非洲健康信息学领域。研究者基于此数据开发了预测性时序模型（如ARIMA和LSTM），预测未来十年体力活动不足率的变化路径。同时，数据集被整合进跨区域健康知识图谱中，与饮食、肥胖、空气污染等多源指标关联分析，形成了多维环境-健康交互模型。依托该数据的特征工程实践，还催生了针对小样本或稀疏国的迁移学习框架。这些工作不仅丰富了全球非传染性疾病监测的方法论体系，也为低资源地区的健康数据科学范式提供了可复用的范例。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区成年人（18岁以上）体力活动不足的年龄标准化患病率，已成为全球非传染性疾病（NCDs）预防与健康行为监测领域的关键数据资源。当前前沿研究方向集中利用该时序面板数据构建机器学习模型，以揭示体力活动不足在非洲47国、2000至2022年间的时空演变规律及其与社会经济、城市化等协变量的交互效应。尤其是在世界卫生组织（WHO）推动的‘全球非传染性疾病防控目标’及‘2018-2030年促进身体活动全球行动计划’等热点事件背景下，该数据集为评估非洲区域政策干预效果、识别高风险亚群（如不同性别、城乡分层）提供了量化支撑。其标准化架构与置信区间信息的纳入，显著提升了跨国家、跨年份可比分析的可靠性，助力推动面向非洲健康公平的数据驱动决策与精准公共卫生干预策略的制定。