electricsheepafrica/africa-who-pregnant-women-attending-antenatal-care-at-least-once-and

该数据集包含WHO GHO指标接受产前护理至少一次并接受至少3剂疟疾预防治疗的孕妇比例（MALARIA_IPTP3_COVERAGE）在非洲国家的国家层面观察数据，时间跨度为2015年至2024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仓库。数据直接从WHO Global Health Observatory OData API获取，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（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33个非洲国家，总共有330行数据，地区筛选为WHO AFRO（ParentLocationCode = AFR）。

This dataset contains country-level observations for the WHO GHO indicator Pregnant women attending antenatal care at least once and receiving at least 3 doses of Intermittent Preventive Treatment of Malaria for Pregnant Women (IPTp3) (%) (MALARIA_IPTP3_COVERAGE) across African nations, spanning 2015–2024. 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. The dataset covers 33 African nations with a total of 330 rows, and the region filter is WHO AFRO (ParentLocationCode = AFR).

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，聚焦于非洲地区孕妇在产前保健中接受至少一次检查并完成至少三剂间歇性预防治疗（IPTp3）的覆盖率指标。数据通过OData API获取，经过标准化处理后以Parquet格式存储，保留了原始浮点数值而非显示字符串，并附带了置信区间上下界。数据集覆盖2015至2024年间33个非洲国家的观测记录，共计330行，每条记录对应国家与年份的唯一组合，且未包含子维度分层。

使用方法

数据集可通过HuggingFace Datasets库直接加载，调用`load_dataset`函数即可获得训练集格式的Pandas DataFrame。建议在分析时过滤非分层的全国数据，即筛选`dim1`列缺失或结尾为`_BTSX`的行。针对单国时间序列分析，可依据`country_iso3`字段筛选特定国家数据并按年份排序。数据无需额外清洗，可直接用于回归或分类任务的模型训练与评估。

背景与挑战

背景概述

该数据集由世界卫生组织（WHO）全球卫生观察站（GHO）创建，并经Electric Sheep Africa团队重新打包，发布于2024年。核心研究问题聚焦于非洲地区孕妇在产前保健中接受至少一次访问并完成至少三剂间歇性预防治疗（IPTp3）的覆盖率，旨在评估疟疾预防干预措施的实施成效。数据集涵盖2015至2024年间33个非洲国家的330条观测记录，为机器学习驱动的公共卫生研究提供了标准化、可直接用于分类与回归任务的数值型数据。其发布填补了非洲区域疟疾预防指标在开放数据生态中的空白，对推动循证政策制定、监测可持续发展目标进展具有重要影响力。

当前挑战

该数据集所解决的领域问题在于量化非洲孕妇IPTp3覆盖率的时空差异，克服了传统统计报告中数据碎片化、格式不统一且难以直接用于模型训练的挑战。构建过程中面临的主要挑战包括：从WHO OData API中提取并清洗多国、多时间点的异构数据，确保指标代码与数值字段的一致性与准确性；处理置信区间缺失值及不同维度分层（如性别、居住地类型）带来的数据稀疏问题；将原始显示字符串转化为浮点精度数值，同时保留元数据完整性以支持跨国家、跨年份的时序分析与可重复性研究。

常用场景

经典使用场景

在非洲地区孕产妇健康与疟疾防控交叉领域，该数据集常用于评估间歇性预防治疗（IPTp3）在产前保健中的覆盖率。研究人员可基于国家-年份面板结构，追踪2015至2024年间33个非洲国家孕产妇至少接受一次产前检查并完成三剂疟疾预防治疗的百分比变化，从而揭示区域间干预覆盖的时空演变规律。数据集提供的置信区间为统计推断和假设检验提供了坚实基础，使其成为分析卫生政策成效、监测可持续发展目标（SDG 3）进展的经典工具。

解决学术问题

该数据集核心回应了学术界对非洲地区疟疾预防干预覆盖不平等性的量化需求。通过整合WHO全球卫生观测站的高质量官方数据，它解决了既往研究中因数据碎片化而难以开展跨国产出比较的痛点。研究者得以系统评估孕产妇健康服务可及性差异，探究国家特征（如卫生系统强度、经济水平）与IPTp3覆盖率之间的关联机制。数据集对置信区间的保留，有助于稳健识别干预薄弱环节，为优化资源分配策略、弥合服务覆盖鸿沟提供循证依据，对推动非洲大陆消除疟疾的学术议程具有里程碑意义。

实际应用

在实际场景中，该数据集被公共卫生机构和国际发展组织用于监测和指导非洲国家疟疾防控项目。例如，流行病学家可据此识别覆盖率显著偏低的地区，针对性地加强产前保健与预防性给药服务链条；政策制定者能够动态跟踪各国进展，调整国家卫生规划中的重点干预区域。数据集简洁的结构化格式（涵盖国别、年份、点估计及置信区间）无缝对接数据驱动的决策平台，助力资源分配优先级排序和效果评估，真正将数据洞察转化为改善非洲孕产妇与新生儿健康福祉的行动方案。

数据集最近研究

最新研究方向

在撒哈拉以南非洲地区，妊娠期疟疾的防控是公共卫生领域的核心议题，而间歇性预防治疗（IPTp）的覆盖率是评估干预成效的关键指标。该数据集聚焦于非洲孕产妇在产前保健中接受至少3剂IPTp的比例，作为衡量疟疾防控政策落实程度的重要工具。前沿研究正借助这一数据，结合地理空间分析与机器学习方法，揭示国家间、地区间在孕产妇疟疾预防服务获取上的不平等现象，并探索气候变迁、卫生系统韧性及社会经济因素对覆盖率动态变化的影响。尤其值得注意的是，该数据集为追踪世界卫生组织“消除疟疾”战略在目标人群中的实现进度提供了量化基石，推动了从描述性统计向预测性建模的范式转型，为精准公共卫生决策与资源优化配置提供了实证依据。