electricsheepafrica/africa-who-leprosy-new-leprosy-cases-with-g2d-rate-per-1-000-000

该数据集包含WHO GHO指标“麻风病 - 每100万人口中新麻风病例的G2D率”（NTD_LEPR7）在非洲国家的国家级观察数据，时间跨度为2012年至2024年。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。数据直接从WHO Global Health Observatory的OData API获取，并以Parquet文件形式重新打包，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 "Leprosy - New leprosy cases with G2D rate per 1 000 000 population" (NTD_LEPR7) across African nations, spanning 2012–2024. 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.

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OData API，聚焦非洲地区麻风病新增病例的G2D发病率（每百万人口），涵盖2012年至2024年间的47个非洲国家，共计444条观测记录。数据以Parquet格式存储，采用统一化架构，所有数值均提取自高精度的浮点型字段（NumericValue），而非显示字符串。对于存在置信区间的指标，一并收录了下限与上限值。该数据集是Electric Sheep Africa项目的一部分，旨在为机器学习应用提供标准化的非洲健康数据资源。

特点

该数据集以国家-年份为基本观测单元，每条记录包含指示代码、国家ISO代码、WHO区域、年份、数值估计、置信区间边界、显示字符串及维度信息等字段。由于该指标未经性别或年龄分层，每个国家每年仅对应唯一数值，结构简洁，易于直接用于时序分析或回归建模。数据覆盖了WHO AFRO区域的绝大多数国家，时间跨度为13年，为研究非洲麻风病流行趋势及其地域差异提供了宝贵的统计基础。

使用方法

用户可通过HuggingFace的datasets库便捷加载该数据集，并转换至Pandas DataFrame进行分析。针对国家层级的分析，建议筛选dim1字段末尾为_BTSX或缺失的行，以获取两性合并的全人群数据。例如，通过条件过滤可提取诸如肯尼亚等特定国家的年份序列数据，进而开展趋势可视化或构建预测模型。该数据集同时适用于分类与回归任务，是研究非洲热带病负担的理想数据源。

背景与挑战

背景概述

麻风病作为一种被忽视的热带病，在全球范围内尤其在非洲地区仍构成重大公共卫生挑战。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团队重新打包为机器学习就绪格式，涵盖2012至2024年间47个非洲国家的麻风病新发病例与2级残疾（G2D）率数据。核心研究问题聚焦于追踪非洲地区麻风病传播态势及残疾负担变化，为疾病监测、干预策略优化和资源分配提供量化依据。该数据集通过标准化架构整合WHO官方API数据，显著降低了非洲健康数据分析的预处理门槛，对推动机器学习在热带流行病学中的应用具有重要价值。

当前挑战

该数据集所解决的领域问题包括：麻风病早期诊断率低导致G2D残疾数据滞后，以及非洲各国卫生信息系统碎片化造成病例登记不完整。其挑战具体体现为：数据集仅包含单一国家-年份层面的汇总指标，缺乏年龄、性别等关键亚组分层信息，限制了流行病学精细分析能力；由于WHO数据公布周期与各国报告延迟，2012-2024年跨度内存在时间序列中断风险；此外，G2D率作为稀有病事件指标，在较小国家中可能出现零值或极端波动，为回归建模引入数据稀疏性与异常值处理难题。

常用场景

经典使用场景

该数据集记录了2012至2024年间47个非洲国家麻风病新发病例的G2D率（每百万人口新发病例中二级残疾的比例），是分析非洲麻风病流行病学趋势的核心资源。研究者常利用其时间序列特性，构建回归模型或分类任务，预测麻风病传播动态与残疾负担。数据集的简洁结构（单值每国家/年）使其适用于传统统计分析和机器学习基线实验，尤其适合探索疾病负担与社会经济、卫生系统覆盖率等外部变量的关联。

实际应用

在实际公共卫生行动中，该数据集为非洲国家麻风病控制规划提供了决策支持。例如，通过识别G2D率持续高企的国家和年份，可指导资源优先分配至早期诊断和残疾预防项目。世界卫生组织及其合作伙伴可将其嵌入监测仪表盘，实时追踪区域进展；非政府组织则利用其评估社区宣传和教育活动的成效，降低病例发现延迟，从而减少永久性残疾的发生。

衍生相关工作

基于此数据集，衍生工作包括将G2D率与WHO非洲区域其他健康指标（如麻风病治疗覆盖率、贫困率）融合的多变量分析，以及利用置信区间数据进行不确定性量化的稳健建模。此外，该数据集作为Electric Sheep Africa统一语料库的一部分，已被集成到面向非洲健康数据的机器学习工作流中，催生了基于时空图网络预测疾病热点区域的研究，以及对麻风病与其他被忽视热带病共病模式的联合分析框架。