electricsheepafrica/africa-who-traditional-and-complementary-medicine-professionals

该数据集包含非洲国家在2004年至2024年间关于世界卫生组织全球健康观察指标传统和补充医学专业人员数量（HWF_0023）的国家级观测数据。数据来源于WHO Global Health Observatory的OData API，并以Parquet文件格式重新打包，具有一致的架构。所有数值均来自浮点精度字段NumericValue，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27个非洲国家，总行数为48。数据字段包括指标代码、国家ISO3代码、WHO地区代码、观测年份、数值估计值、置信区间边界、显示字符串、维度类型和值等。

This dataset contains country-level observations for the WHO GHO indicator Traditional and Complementary Medicine Professionals (number) (HWF_0023) across African nations, spanning 2004–2024. 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 27 African nations with a total of 48 rows. Data fields include indicator code, country ISO3 code, WHO region code, observation year, numeric value estimate, confidence interval bounds, display string, dimension types and values, etc.

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，聚焦于非洲地区传统与补充医学专业人员数量的统计指标（HWF_0023）。研究团队将原始数据统一转化为Parquet格式，构建出具备一致模式的机器学习就绪型数据集。数据涵盖2004年至2024年间27个非洲国家共48条记录，所有观测值直接取自API中的数值字段（NumericValue），而非展示字符串，并保留了置信区间上下限以增强统计严谨性。

特点

该数据集的核心特色在于其高度的结构化与标准化。每条记录包含国家ISO代码、WHO区域、观测年份、数值估计及其置信区间、展示字符串及维度信息等字段。作为单值指标，其无亚组分层，但保留了维度字段以兼容未来可能的分层数据。数据来源权威，全部限定于WHO AFRO区域，为非洲卫生人力研究提供了跨年度、跨国别的可比性基础，尤其适用于时间序列分析与区域对比建模。

使用方法

用户可通过HuggingFace的datasets库轻松加载数据，例如使用load_dataset函数获取后转换为pandas DataFrame进行进一步处理。当处理分层数据时，可依据dim1字段筛选所需子群体，如通过条件过滤保留两性（SEX_BTSX）或全国层面数据。对于单国时间序列分析，建议按country_iso3列分组并排序年份，从而有效追踪特定国家传统医学专业人员数量的演变趋势。

背景与挑战

背景概述

在全球范围内，传统与补充医学在卫生系统中扮演着日益重要的角色，尤其是在非洲地区，其深厚的文化根基与广泛的民众接受度为整合医疗体系提供了独特机遇。该数据集由世界卫生组织（WHO）全球卫生观察站（GHO）创建，并由Electric Sheep Africa团队于近期重新打包为机器学习就绪格式，聚焦于非洲27个国家在2004至2024年间传统与补充医学专业人员数量的统计指标（HWF_0023）。核心研究问题在于量化非洲大陆传统医学人力资源的分布与变迁，为政策制定者提供数据基础以推动卫生人力资源规划。该数据集作为WHO官方数据的结构化衍生品，填补了非洲区域传统医学量化研究的空白，对评估医疗系统多样性、促进循证决策具有显著影响力。

当前挑战

该数据集面临的挑战首先体现在领域问题上：传统与补充医学专业人员的定义与统计口径在全球范围缺乏统一标准，导致数据可比性受限，尤其在非洲不同国家间，传统医学执业者的认定方式可能差异显著，影响模型泛化能力。构建过程中，挑战集中于数据稀疏性与不完整性——仅包含48条观测记录，覆盖27个国家但时间序列不连续，且置信区间等元数据存在大量缺失，增加了时间序列预测与缺失值插补的难度。此外，数据来源依赖单一官方渠道，未包含非正式从业者信息，可能低估实际人力资源规模，对下游分类与回归任务引入系统性偏差。

常用场景

经典使用场景

在非洲卫生政策研究中，该数据集被广泛应用于传统与补充医学人力资源的时空分布建模。研究者能够基于2004至2024年间27个非洲国家的官方统计，利用表格分类与回归任务，预测各国传统医学从业者数量的变化趋势，或识别影响人力配置的关键因素。其结构化的时间序列特性，使得纵向比较与跨区域分析成为可能，为循证卫生决策提供了数据基石。

解决学术问题

该数据集的核心学术贡献在于填补了非洲传统医学人力资源量化研究的空白。通过提供标准化的官方统计指标，它解决了以往研究中因数据碎片化、口径不一而难以开展的比较分析难题。学者得以系统评估非洲各国传统医学专业人员的分布格局，揭示其与公共卫生体系、流行病学负担之间的关联，从而推动传统医学融入全球卫生治理的学术讨论。

衍生相关工作

围绕该数据集，衍生工作主要集中于构建非洲多指标卫生人力资源预测模型。研究者常将其与WHO GHO系列中的其他指标（如医生、护士密度）联合分析，运用机器学习方法揭示传统医学与现代医学人力配置的协同或替代关系。此外，部分工作致力于开发可视化仪表板，以动态展示非洲大陆传统医学专业人员的演变历程，提升数据在政策传播中的可用性。