electricsheepafrica/africa-who-medical-doctors-not-further-defined

该数据集包含了非洲国家在1985年至2024年期间的WHO GHO指标未进一步定义的医生数量的国家级观察数据。数据来源于WHO Global Health Observatory OData API，并以Parquet文件格式重新打包。数据集覆盖了46个非洲国家，共368行数据，包含了数值型数据、置信区间边界以及显示字符串等信息。数据集是Electric Sheep Africa项目的一部分，该项目是一个统一的、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 Medical doctors not further defined (number) across African nations, spanning 1985–2024. 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

本数据集源于世界卫生组织全球卫生观察站（WHO GHO）的开放数据接口，经由Electric Sheep Africa项目精心整合与重构，形成以Parquet格式存储的机器学习就绪型数据集。包含1985年至2024年间46个非洲国家关于“未进一步定义的医生人数”这一关键指标（HWF_0005）的观测记录，共计368条。每条记录涵盖了国家代码、观测年份、点估计数值及其置信区间等核心字段，并统一采用浮点精度字段NumericValue作为主要机器学习目标，确保了数据在跨领域分析中的一致性与可复现性。

特点

该数据集最显著的特征在于其针对非洲区域卫生人力资源的精细刻画与结构化表达。数据聚焦于WHO非洲区域（AFRO），覆盖了46个非洲主权国家，时间跨度近四十年，为研究非洲大陆医疗人才分布的历史变迁与区域差异提供了珍贵素材。尽管该指标本身不包含性别或居住地等亚维度分层，但数据集中保留了维度字段的结构模板，便于未来与含分层信息的其他指标无缝衔接。此外，置信区间的完整呈现为高精度统计建模与不确定性评估奠定了坚实基础。

使用方法

使用者可通过HuggingFace Datasets库便捷加载数据，只需调用load_dataset函数即可将数据集转为Pandas DataFrame进行后续分析。推荐在处理时利用dim1字段过滤出全国层面且性别为“男女合计”的观测值，以获得国家级的总体统计结果。还可通过country_iso3字段对特定国家进行时间序列分析，例如筛选肯尼亚（KEN）的数据并按年份排序，揭示其医疗人员数量的长期演变趋势。借助统一的schema设计和Parquet格式的高效存储，该数据集易于集成至机器学习流水线中，用于预测建模或区域卫生政策评估。

背景与挑战

背景概述

非洲大陆的医疗卫生体系长期面临人力资源匮乏的严峻挑战，精准量化医疗从业者规模成为制定卫生政策的关键前提。由世界卫生组织全球卫生观察站（WHO GHO）发布的“未进一步定义的医生数量”指标（HWF_0005），自1985年至2024年间系统追踪了46个非洲国家的医生总数，为区域卫生人力研究提供了跨越四十年的定量基础。该数据集由Electric Sheep Africa团队于2024年重新整理发布，以统一架构的Parquet格式呈现，旨在降低机器学习模型接入非洲卫生数据的门槛。作为首个聚焦非洲医生总量且覆盖全AFRO区域的标准化数据集，它推动了跨国卫生人力资源比较研究，为可持续发展目标中“健康与福祉”指标的量化评估注入了地理粒度更细、时间跨度更长的实证支撑。

当前挑战

该数据集面临的挑战首先源于领域问题：医生数量作为单一数值指标，无法揭示非洲卫生人力分布的结构性矛盾——城乡之间、性别之间以及不同专科之间的配置不均衡被简化为总量统计，这限制了其对精准干预策略的指导能力。构建过程中的挑战同样显著，数据仅含368条记录且存在显著的时空缺失，例如部分国家早期年份数据空白、置信区间字段值不完整，反映出WHO原始监测体系在非洲覆盖不足的痼疾。此外，不同国家医生定义标准的差异（如是否包含传统医师或实习医生）未在数据集中标记，可能导致跨国比较时的度量偏差，这对利用该数据进行回归建模或趋势预测提出了噪声处理的先决要求。

常用场景

经典使用场景

该数据集汇聚了世界卫生组织全球卫生观察站（GHO）关于非洲国家医生数量（未进一步定义）的年度统计数据，覆盖46个非洲国家、时间跨度从1985年至2024年。在医疗资源规划与流行病学研究中，研究者常将其作为关键特征纳入回归模型或时间序列分析，以评估医疗人力资源与人口健康指标之间的关联。数据以表格形式呈现，包含国家代码、年份、数值估计值及置信区间，特别适合用于监督学习中的回归任务，如预测未来某国医生供给趋势，或作为分类任务中的基线特征来区分不同医疗服务水平国家。其结构简洁、缺失维度少，易于与其它社会经济指标数据集进行横向融合，从而构建多维度的非洲卫生系统分析框架。

解决学术问题

长期以来，非洲地区的医疗人力数据分散、标准不一，严重制约了跨境比较研究和政策评估的科学性。该数据集系统性地解决了医疗人力资源数据在非洲大陆的碎片化问题，为研究者提供了统一、可复现且机器可读的数据资源。学术上，它填补了全球卫生研究中对非洲医生数量长期序列记录的空白，使得定量分析医生密度与疾病负担、母婴死亡率、传染病防控效果之间的因果关系成为可能。此外，该数据还能用于评估国际卫生援助项目的成效，验证《阿布贾宣言》等政策承诺在非洲各国的落实情况，从而为卫生经济学和全球治理研究提供实证基础。

衍生相关工作

该数据集衍生了一系列跨学科的研究工作。在卫生经济学领域，学者们将其与人均GDP、教育支出等经济数据结合，建立面板数据模型分析医生供给的决定因素。在空间流行病学中，研究者将其与地理信息数据匹配，绘制非洲医生密度的空间分布地图，揭示内陆国家与沿海国家之间的医疗资源鸿沟。此外，该数据还被用于训练时间序列预测模型（如ARIMA、LSTM），以模拟医生数量在艾滋病、疟疾等地方病爆发期间的动态变化。部分工作进一步将其与WHO其他指标（如护士密度、病床数）融合，生成综合性医疗资源指数，为全球健康排名提供新的量化维度。这些衍生研究共同推动了数据驱动的非洲卫生发展议程。