electricsheepafrica/africa-who-prevalence-of-anaemia-in-women-of-reproductive-age

该数据集包含世界卫生组织全球健康观察站（WHO GHO）关于非洲国家15-49岁女性贫血患病率（%）的国家级观察数据，时间跨度为2000年至2023年。数据来源于WHO GHO OData API，并以Parquet格式重新打包，包含数值估计和置信区间等信息。这是Electric Sheep Africa系列的一部分，这是一个统一的、适合机器学习使用的非洲数据存储库。

This dataset contains country-level observations for the WHO GHO indicator "Prevalence of anaemia in women of reproductive age (aged 15-49) (%)" (`NUTRITION_ANAEMIA_REPRODUCTIVEAGE_PREV`) across African nations, spanning 2000–2023. 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

本数据集源自世界卫生组织（WHO）全球卫生观察站（GHO）的OData API，经Electric Sheep Africa项目团队系统化整理与重构而成。数据聚焦于非洲地区育龄女性（15-49岁）贫血患病率这一关键健康指标，覆盖2000年至2023年间的47个非洲国家，共计3384条观测记录。原始数据中的NumericValue字段被精准提取为核心数值，同时保留了置信区间上下限（value_low, value_high）等统计信息。数据以Parquet格式统一存储，遵循标准化模式（schema），并依据WHO AFRO区域代码（ParentLocationCode = 'AFR'）进行筛选，确保数据的地域聚焦性与一致性。

特点

该数据集兼具结构化、多维性与机器学习就绪（ML-ready）的显著特点。其包含国家代码、年份、WHO区域、点估计值及置信区间等核心字段，并引入性别（SEX）等维度变量，允许用户按不同分层（如SEX_BTSX对应两性）进行精细化筛选。数据规模在1千至1万条之间，时间跨度长达24年，空间覆盖几乎整个非洲大陆，为跨时空的流行病学分析提供了坚实基底。此外，数据采用标准化的Parquet格式与亲和性接口（如HuggingFace Datasets），极大降低了预处理门槛。

使用方法

使用该数据集极为便捷，用户可通过HuggingFace Datasets库直接加载。例如，执行`load_dataset('electricsheepafrica/africa-who-prevalence-of-anaemia-in-women-of-reproductive-age')`即可获取训练集，并转换为Pandas DataFrame进行后续操作。针对不同分析需求，可通过过滤dim1字段（如筛选以'_BTSX'结尾的行）获取国家层面两性数据，或通过country_iso3字段（如'KEN'）提取特定国家时间序列。数据亦支持加权聚合与置信区间利用，适用于分类或回归任务，是研究非洲女性贫血流行趋势及健康不平等的理想工具。

背景与挑战

背景概述

贫血作为全球公共卫生领域的重大挑战，尤其对育龄妇女的健康、妊娠结局及后代发育产生深远影响。世界卫生组织（WHO）通过全球卫生观察站（GHO）长期监测各国贫血流行状况，为政策制定和干预措施提供数据支撑。在此背景下，Electric Sheep Africa团队于2023年整合并发布了涵盖47个非洲国家、时间跨度2000至2023年的育龄妇女贫血患病率数据集，基于WHO官方OData API构建，采用统一schema的Parquet格式，旨在为机器学习研究提供标准化、可复用的非洲健康数据资源。该数据集聚焦于非洲区域，因其是全球贫血负担最重的地区之一，且现有公开数据往往分散、格式不一，严重制约了跨国家、跨时段的比较分析与预测建模。

当前挑战

该数据集所解决的领域核心挑战在于：非洲育龄妇女贫血患病率受到营养状况、传染病流行、社会经济水平及卫生服务可及性等多重因素交互影响，传统统计方法难以捕捉其复杂时空动态。利用该数据集，研究者可构建回归或分类模型，预测患病率趋势并识别高风险人群。在构建过程中，主要挑战包括：WHO原始API返回的数据存在缺失值，例如部分年份的置信区间（value_low/value_high）未提供；不同国家的数据上报频率和粒度不一致，导致时间序列稀疏；需处理性别、居住地类型等分层变量（dim1/dim2）带来的多维度聚合问题。此外，为确保机器学习兼容性，数据集将原始显示字符串中的数值提取为浮点精度字段，并统一国家编码为ISO 3166-1 alpha-3标准，降低了数据清洗成本。

常用场景

经典使用场景

该数据集是非洲地区育龄妇女（15-49岁）贫血患病率的标准观测来源，适用于机器学习中的回归与分类任务。经典用法包括构建时间序列预测模型，以捕捉非洲各国贫血患病率随年份的动态演变趋势；也可用于国家间横截面比较，识别高负担国家并分析地理与人口子群差异。研究者常利用其规范化架构快速加载数据，将贫血率作为目标变量，结合社会经济或卫生系统指标开展多变量关联分析。

解决学术问题

贫血是影响非洲育龄妇女健康的关键公共卫生问题，该数据集填补了区域级标准化贫血患病率数据的空白，解决了跨国比较中数据不统一、时间跨度短等长期困扰学术界的难题。它为流行病学研究提供了高质量、长时序的观测基础，助力学者评估非洲各国在应对贫血方面的进展与挑战，推动全球营养不良与妇女健康议题的量化分析，对制定循证政策具有重要支撑意义。

衍生相关工作

基于该数据集，研究者可以衍生出丰富的扩展工作：例如，整合非洲国家GDP、女性识字率或卫生设施覆盖率等多源数据，构建贫血影响因素的因果推断模型；也可以利用置信区间信息开展不确定性感知的贝叶斯时空建模；此外，还可将贫血率作为输入特征，关联孕产妇死亡率或低出生体重等下游健康结局，构建多层级的健康预警系统，推动数据驱动的公共卫生决策智能化。