electricsheepafrica/africa-who-pattern-of-antibiotic-consumption-at-national-level

该数据集包含非洲国家在2016-2023年间世界卫生组织全球健康观察站（WHO GHO）指标“国家层面抗生素消费模式（按AWaRe分类的相对使用）”的国家级观察数据。这是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。数据直接从WHO全球健康观察站OData API获取，并重新打包为具有一致架构的Parquet文件。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）。

This dataset contains country-level observations for the WHO GHO indicator "Pattern of antibiotic consumption at national level (relative use by AWaRe classification)" (`GLASSAMC_AWARE`) across African nations, spanning 2016–2023. 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，聚焦于非洲国家层面抗生素消费模式的AWaRe分类相对使用情况。数据经过系统化整理与重新封装，以统一架构的Parquet文件格式呈现，确保机器学习就绪。所有数值均来源于`NumericValue`浮点精度字段，而非显示字符串，并尽可能包含置信区间上下界。数据集覆盖2016至2023年间13个非洲国家，共计224条观测记录，每条记录对应特定国家与年份下某一维度的消费比例。

特点

数据集具备多维分层特性，细分为AWaRe分类中的A（Access）、W（Watch）、R（Reserve）及O（Overall）四组，并允许按性别、居住地区类型等维度进行筛选。其列结构清晰包含指标代码、国家ISO代码、年份、数值及置信区间等关键字段，便于统计分析。数据规模虽小（n<1K），但时间跨度达8年，覆盖非洲多国，为区域抗生素使用趋势比较提供了稀缺的标准化量化基础。

使用方法

用户可通过HuggingFace的`datasets`库直接加载该数据集，调用`load_dataset`函数即可获得Pandas DataFrame格式的训练集。为聚焦国家总体水平，建议过滤出`dim1`列中标记为`_BTSX`（两性合计）或为空的行，以排除按性别或区域细分的子维度。此外，可按国家ISO代码（如`KEN`）及年份排序，轻松提取特定国家的时间序列数据，用于回归或分类建模任务。

背景与挑战

背景概述

抗菌药物耐药性（AMR）已成为全球公共卫生领域最为严峻的挑战之一，尤其在医疗资源相对匮乏的非洲地区，抗生素的合理使用对于遏制耐药性蔓延至关重要。世界卫生组织（WHO）于2019年启动了全球抗菌药物使用和耐药性监测系统（GLASS），其中AWaRe分类体系将抗生素分为可用级（Access）、谨慎使用级（Watch）、备用级（Reserve）和未列入级（Not recommended），为各国评估抗生素消费模式提供了标准化框架。在此背景下，WHO全球卫生观察站（GHO）发布了“国家层面抗生素消费模式（按AWaRe分类的相对使用量）”指标（GLASSAMC_AWARE）。Electric Sheep Africa团队于2023年基于WHO官方OData API，系统收集并整理了2016至2023年间13个非洲国家的相关数据，构建了该机器学习就绪数据集。该数据集以统一的Parquet格式呈现，包含点估计值及置信区间，旨在为非洲地区抗生素使用趋势分析、耐药性预测模型开发及公共卫生政策制定提供高质量的数据支撑，对推动区域AMR防控研究具有重要基石作用。

当前挑战

本数据集所面临的挑战主要体现在两大层面。在领域问题层面，非洲地区抗生素消费数据的稀疏性与不完整性长期制约着AWaRe分类下的精准分析，许多国家缺乏连续多年的标准化监测数据，导致跨区域比较和趋势推断存在显著偏差；同时，抗生素消费模式受到医疗政策、经济水平、疾病流行特征及处方行为等多重因素交织影响，从相对使用量中解耦出可归因的驱动因子极具难度。在数据集构建过程中，原始WHO数据接口返回的观测值常因国家报告延迟、维度分层（如性别、城乡）不一致以及置信区间缺失而形成数据碎片化问题；此外，不同年份间分类标准的微调与数据后处理规则的差异，给时间序列的连续性维护和跨年份可比性保障带来了额外挑战，需要精细的数据清洗与一致性校验工作。

常用场景

经典使用场景

在非洲公共卫生监测与抗菌药物管理领域，非洲国家层面抗生素消费模式数据集（africa-who-pattern-of-antibiotic-consumption-at-national-level）为评估各国抗生素使用现状提供了标准化工具。该数据集最经典的使用场景是基于世界卫生组织AWaRe分类体系，对非洲13个国家2016至2023年间抗生素的相对使用量进行指标化建模。研究者通常利用其结构化数值字段（value_numeric）进行分类或回归任务，以追踪不同国家在‘可用类’（Access）、‘慎用类’（Watch）和‘保留类’（Reserve）抗生素使用比例的动态变化，从而构建区域抗生素消费图谱。

衍生相关工作

围绕该数据集已衍生出一系列前沿学术工作，主要包括：基于AWaRe比例的抗生素消费时空聚类分析，揭示非洲国家间处方行为的同质性与异质性；结合WHO GHO中门诊与住院抗生素消耗数据的多源融合研究，用于构建抗菌药物使用强度预测模型；以及利用该基准数据集开发的自动化异常检测框架，用于实时监控某国‘慎用类’抗生素消耗的突然跃升。这些工作进一步催生了跨非洲大陆的抗生素消费公平性评估指标系统的提出，推动了‘同一健康’框架下抗生素管理策略的本地化落地。

数据集最近研究

最新研究方向

在全球抗微生物药物耐药性（AMR）危机日益严峻的背景下，该数据集聚焦于非洲国家层面抗生素消费模式的AWaRe分类（可用、慎用、保留、备用）相对使用情况，为监测和优化抗生素处方行为提供了关键数据基础。最新研究趋势正利用这一跨年度、多国别的结构化表格数据，结合机器学习建模，探索非洲各国抗生素消费的时空动态、社会经济驱动因素及与耐药性传播的关联。特别是，该数据集已被整合到Electric Sheep Africa统一化机器学习仓库中，推动了非洲本土健康数据科学的可复现性与可访问性，为制定区域性抗菌药物管理政策、评估WHO全球行动计划在非洲的实施效果提供了实证支撑，并有望促进对抗生素消费不平等和合理用药干预措施的精准评估。