electricsheepafrica/africa-who-percentage-of-sites-for-which-organophosphate-resistance

该数据集包含非洲国家在2000年至2015年间关于有机磷抗性报告站点百分比的WHO GHO指标数据。数据来源于WHO Global Health Observatory OData API，并以Parquet文件格式重新打包。数据集包含149行数据，覆盖30个非洲国家。数据集中包含多个字段，如indicator_code、country_iso3、year、value_numeric等，用于描述不同维度的数据。

This dataset contains country-level observations for the WHO GHO indicator Percentage of sites for which organophosphate resistance was reported (`IR_ORGANOPHOSPHATE_EXTENT`) across African nations, spanning 2000–2015. 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

本数据集整合了世界卫生组织全球卫生观察站（WHO GHO）关于‘报告有机磷抗性位点百分比’指标（IR_ORGANOPHOSPHATE_EXTENT）的非洲国家层面观测数据，时间跨度覆盖2000年至2015年。数据通过OData API从原始来源获取，并经过系统性再包装，以Parquet格式存储并保持统一的数据模式。所有数值型指标均来自NumericValue字段，而非字符串显示形式，同时尽可能保留了置信区间上下界以增强分析可靠性。

特点

该数据集聚焦非洲地区，涵盖30个WHO非洲区域成员国，共计149条观测记录，每个国家-年份组合对应一个唯一数值，无子维度分层，结构简洁。除核心的‘value_numeric’字段外，还包含ISO国家代码、WHO区域代码、上下置信界以及格式化显示字符串等丰富元数据，便于用户进行跨国家、跨年度的纵向比较和趋势分析，服务于公共卫生与病媒控制研究领域。

使用方法

用户可通过HuggingFace Datasets库直接加载该数据集，调用load_dataset函数即可获取以DataFrame格式呈现的训练集。建议使用pandas进行后续数据清洗和筛选，例如通过dim1字段过滤出‘两性合计’（BTSX）的全国层面对照数据，或按country_iso3与year字段组合提取单个国家的时间序列数据，从而实现灵活的探索性分析与机器学习建模流程。

背景与挑战

背景概述

该数据集名为“非洲——世界卫生组织全球卫生观察站：报告有机磷抗药性的检测点百分比”，由世界卫生组织（WHO）全球卫生观察站（GHO）创建并维护，经由Electric Sheep Africa项目重新打包为机器学习就绪格式。数据集覆盖2000至2015年间30个非洲国家的观察数据，聚焦于有机磷杀虫剂抗药性在病媒控制检测点中的报告比例。作为非洲大陆公共卫生监测体系的重要组成部分，该数据集填补了量化昆虫抗药性区域变异的关键空白，为疟疾等病媒传染病的防控策略优化提供了基础性数据支持。其影响力体现在推动基于证据的杀虫剂轮换与抗药性管理政策，并助力非洲地区实现WHO全球病媒控制应对目标。

当前挑战

该数据集应对的核心领域挑战在于有机磷抗药性的空间与时间异质性难以捕捉。由于非洲国家病媒监测基础设施薄弱，许多地区的数据稀疏或缺失，导致对抗药性扩散模式的全景式理解受阻，进而影响区域化干预策略的精准制定。构建过程中挑战重重：数据源分散于各国家报告与WHO汇总数据库，需通过OData API完成多源异构数据整合；原始数据存在置信区间与数值缺失，且维度字段（如性别、居住区类型）需统一清洗以确保模型兼容；时间跨度限于2000-2015年，陈旧性风险可能削弱对当前抗药性状态的实时刻画能力。

常用场景

经典使用场景

在非洲公共卫生与疾病控制研究领域，该数据集被广泛用于追踪与评估有机磷杀虫剂抗药性在疟疾病媒中的时空扩散态势。研究者常利用其年度站点占比指标，构建跨国家、跨年份的面板数据模型，从而描绘抗药性从局部向区域蔓延的宏观轨迹。作为WHO全球卫生观察站官方数据的结构化版本，它为流行病学提供了可复现的量化基础，尤其适合分析气候、杀虫剂使用政策与抗药性演化之间的潜在关联。

实际应用

在实际应用中，该数据集成为全球卫生机构优化杀虫剂施放策略的关键决策依据。世界卫生组织及各国疟疾控制项目可基于站点抗药性比例的时间序列，及时识别杀虫剂失效信号，进而动态调整室内滞留喷洒及药浸蚊帐的化学成分选择。此外，非政府组织在制定区域性干预计划时，亦可借助此类抗药性空间分布图谱，优先将资源投放于抗药性尚未蔓延的新兴前线，从而延缓全线耐药时代的到来。

衍生相关工作

围绕该数据集衍生出的经典工作涵盖了时空统计建模与机器学习预测两个方向。一部分学者将其与气象和土地利用数据融合，利用贝叶斯层次模型推演抗药性扩散的环境驱动因子；另一部分则构建基于LSTM或门控循环单元的时间序列模型，前瞻预测未来三至五年的抗药性站点占比演变趋势。此外，Electric Sheep Africa团队本身亦将该数据纳入非洲统一机器学习数据集，推动了跨领域迁移学习在资源匮乏地区的探索性应用。