electricsheepafrica/africa-who-lx-number-of-people-left-alive-at-age-x

该数据集包含世界卫生组织全球健康观察站（WHO GHO）指标lx - 年龄x时存活人数（LIFE_0000000031）在非洲国家2000-2021年的国家级观察数据。它是Electric Sheep Africa项目的一部分，这是一个统一、适合机器学习使用的非洲数据存储库。数据直接来源于WHO Global Health Observatory OData API，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（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 lx - number of people left alive at age x (LIFE_0000000031) across African nations, spanning 2000–2021. 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

本数据集源自世界卫生组织全球卫生观察站（WHO GHO）的官方OData API，聚焦于非洲地区生命表指标“lx——存活至年龄x的人口数量”（指标代码LIFE_0000000031）。数据经过系统化的清洗与重打包，以Parquet格式存储，并采用统一模式进行整理。所有数值均取自浮点精度的NumericValue字段，而非显示字符串，同时保留了置信区间上下界信息。数据集覆盖2000至2021年间47个非洲国家，共计58,938条记录，按WHO AFRO区域标准过滤，并纳入性别等子维度分层，每个国家、年份与维度的组合构成独立观测行。

特点

该数据集的核心特点在于其高度结构化与机器学习友好性。它提供了国家层级的时间序列观测，涵盖性别分层（如总体、女性、男性），并包含完整的点估计值与置信区间，便于进行不确定性分析。数据集采用一致的列模式，包括指示符代码、国家ISO3代码、WHO区域、年份、数值及置信边界等关键字段，同时保留原始显示字符串与更新时间戳。其规模适中（1K至10K级），适合作为非洲人口健康研究的训练或评估基准，且开源许可（CC BY 4.0）保障了广泛复用性。

使用方法

用户可通过HuggingFace Datasets库便捷加载该数据集，使用`load_dataset`函数指定仓库标识符即可。加载后，数据以表格形式呈现，可通过`to_pandas`方法转换为Pandas DataFrame进行深入分析。对于常见需求，如筛选总体性别（SEX_BTSX）或仅关注国家层面数据，可通过过滤`dim1`列实现；特定国家的时间序列分析则可通过筛选`country_iso3`字段并排序年份来完成。此外，用户还可按维度类型聚合数据，以支持分类或回归建模任务。

背景与挑战

背景概述

该数据集由Electric Sheep Africa团队于世界卫生组织全球卫生观测站（GHO）数据基础上整理构建，聚焦于非洲47个国家2000至2021年间‘lx——存活至x岁的人数’这一关键生命表指标。核心研究问题在于揭示非洲大陆不同国家与性别维度下的人口存活模式，为健康不平等评估、公共卫生政策制定及生命统计建模提供标准化、机器学习就绪的数据基础。作为非洲健康数据统一存储库的一部分，该数据集填补了高分辨率、结构化生命表数据在非洲区域系统化整合的空白，对推动区域健康人口学研究的可重复性与跨国家比较具有重要影响力。

当前挑战

所解决的领域问题方面，非洲地区长期缺乏标准化、可比的年龄别存活人数数据，限制了人口健康建模与干预效果评估的精度。数据集构建中面临的主要挑战包括：从WHO GHO的OData API中提取时需处理多维度分层（如性别、居住地类型）导致的复杂数据解析，以及确保NumericValue字段而非显示字符串的准确使用；覆盖47国22年时间跨度，数据缺失与置信区间界值的不一致性需精细清洗与标记。此外，原始数据按国家—年份—维度组合产生五万余行，如何设计统一模式以支持下游回归与分类任务，同时保留分层信息以供灵活聚合，亦构成重要挑战。

常用场景

经典使用场景

该数据集记录了非洲各国不同年龄x的幸存人数（lx），是生命表构建与人口统计学研究的核心基础。研究者可借此剖析特定年龄段的存活概率，量化各年龄组的人口衰减模式。在健康指标评估中，lx指标常与死亡率、预期寿命等变量联合分析，揭示疾病负担、营养状况或医疗可及性对人口年龄结构的动态影响。数据集按性别和年份分层，支持多维度比较，为构建非洲区域的生命表模型、验证人口预测算法以及分析性别间生存差异提供了扎实的数据支撑。

衍生相关工作

该数据集衍生出多项关键性研究工作。基于lx指标，研究者构建了非洲区域的生命表数据库，开发了用于填补缺失值的时空统计模型，显著提高了低收据率国家的人口参数估算精度。同时，相关工作将幸存人数与疾病负担数据耦合，创建了综合性健康评估框架，揭示了艾滋病、疟疾等地方病在特定年龄组的致死效应。此外，该数据集还催生了面向可解释机器学习的生命表预测工具，以及整合社会经济协变量的人口动态模拟系统，为后疫情时代的人口韧性研究奠定了基础。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区特定年龄存活人口数的生命表分析，为全球健康监测与人口统计学研究提供了关键的基础数据支撑。近年来，随着联合国可持续发展目标（SDGs）对降低死亡率与提升健康公平性的持续关注，该数据集被广泛应用于非洲各国人口健康评估、区域间生存差异量化以及疫情对生命历程影响的回溯性研究。其跨年度、分性别与分维度的结构，尤其适合构建机器学习模型以预测未来存活趋势，结合WHO非洲区域（AFRO）的疾病负担数据，正推动着从传统统计描述向数据驱动的智能公共卫生决策范式的转变。