electricsheepafrica/africa-who-compliance-with-international-health-regulations

该数据集包含非洲国家在2010-2016年间世界卫生组织全球健康观察指标“遵守国际卫生条例”（UHC_IHR）的国家级观测数据。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。数据直接来源于WHO全球健康观察站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 "Compliance with international health regulations" (`UHC_IHR`) across African nations, spanning 2010–2016. 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）OData API，聚焦于非洲国家在《国际卫生条例》合规性指标（UHC_IHR）上的观测数据。数据集以Parquet格式整理，覆盖2010至2016年间47个非洲国家的年度数值，并统一采用NumericValue字段中的浮点精度值作为核心指标。数据架构中囊括了置信区间上下界（value_low、value_high），为后续统计分析提供了可靠的不确定性度量。该数据集由Electric Sheep Africa项目重新包装，形成一套具备一致模式的机器学习就绪资源。

特点

该数据集的显著特点在于其精简而聚焦的结构——单维度、无分层子指标，每个国家每年仅对应一条观测记录，共含194行数据。字段设计清晰，涵盖指示符代码、国家ISO代码、WHO区域、观测年份、数值估计及其置信区间等关键列，并附带数据更新时间戳。特别地，数据集中包含了dim1与dim2字段，用于标记可能的性别或居住地区等分层信息，尽管在此指标下未使用，却为与其他分层指标的兼容提供了扩展空间。整体上，数据集展现了高度的可解释性与直接可用性。

使用方法

使用该数据集极为便捷，用户可通过HuggingFace的datasets库直接加载，一行代码即可将数据转化为pandas DataFrame进行后续分析。典型应用场景包括按性别维度筛选全国层面的数据（如过滤dim1以获取'SEX_BTSX'的全体性别记录），或针对特定国家进行时间序列归纳。数据集的列设计充分考虑到机器学习流程中的特征工程需求，value_numeric列可直接作为回归任务的目标变量，而置信区间字段则可辅助模型的不确定性评估。此外，数据来源遵循CC BY 4.0许可协议，适合学术研究与公共健康分析中的再分发使用。

背景与挑战

背景概述

该数据集由Electric Sheep Africa团队于2023年基于世界卫生组织全球卫生观测站（WHO GHO）的公开数据整理发布，聚焦非洲国家在《国际卫生条例》（IHR）合规性方面的表现。作为UHC（全民健康覆盖）与IHR交叉领域的关键指标，该数据集共涵盖47个非洲国家自2010年至2016年的194条观测记录。数据通过WHO官方OData API获取，并经过标准化处理形成适用于机器学习的Parquet格式。该数据集的构建填补了非洲大陆在IHR合规量化评估方面的空白，为跨国比较、政策效果评估及预测模型的开发提供了基础，对全球卫生安全治理和区域健康系统韧性研究具有重要推动作用。

当前挑战

该数据集面临的核心挑战在于领域层面的多重局限：IHR合规本身是一个多维概念，涉及监测、响应、实验室能力等复杂子系统，而单一数值指标难以刻画国家内部能力差异。数据记录仅有194条，稀疏的观测密度限制了时间序列建模和因果推断的能力。构建过程中，WHO原始数据存在分层（如按性别、城乡维度）带来的不一致性，且部分国家的置信区间缺失，增加了数据清洗和标准化难度。此外，2010至2016年的时间跨度未能覆盖近年疫情冲击的动态变化，时效性不足使模型预测面临滞后风险。

常用场景

经典使用场景

在公共卫生与全球健康治理领域，africa-who-compliance-with-international-health-regulations数据集被广泛应用于评估非洲国家在《国际卫生条例》遵守程度上的时空演变。研究者通过拟合时间序列模型或面板数据分析，探究不同国家在2010年至2016年间核心指标得分的动态变化，从而揭示区域内部卫生治理能力的差异与收敛趋势。该数据集以国家-年份为单位的结构化记录，使得跨国家比较和纵向追踪成为可能，为构建非洲大陆卫生系统弹性评估框架奠定了坚实的数据基础。

解决学术问题

该数据集有效解决了非洲地区缺乏高质量、标准化IHR合规性量化数据的学术困境，使研究者能够系统性地检验卫生治理强度与传染病暴发控制效果之间的因果关联。通过整合置信区间等不确定性信息，学者可以开展更严谨的计量经济学分析和健康风险建模，回答诸如‘国际卫生框架在资源有限国家的落地效果是否受政治经济因素调节’等深层次问题。其开放许可和可复现特性，有力促进了全球健康领域实证研究的透明性和可比性。

衍生相关工作

基于此数据集，衍生出了一系列聚焦非洲卫生治理的关键学术工作，包括构建多维度卫生安全指数以超越单一IHR指标的综合性工具，以及将合规性数据与疫情暴发记录关联从而验证国际卫生公约履约效力的因果推断研究。部分研究者还将其作为基准数据源，改进了缺失值插补算法在稀疏面板数据上的表现，并生成了扩展至2016年后年份的推测序列。这些衍生工作不仅丰富了全球卫生治理的理论体系，也为南南合作框架下的数据共享实践树立了典范。