electricsheepafrica/africa-who-demand-for-family-planning-satisfied-use-of-modern-methods

该数据集包含非洲国家在1993年至2019年间，使用现代方法满足计划生育需求的比例（%）的观测数据。数据来源于WHO Global Health Observatory，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仓库。数据集直接从WHO Global Health Observatory的OData API获取，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）。数据集覆盖了40个非洲国家，共计5,528行数据，并按多个子维度（如年龄组、教育水平、居住地区类型、财富十分位数和五分位数）分层。

This dataset contains country-level observations for the WHO GHO indicator "Demand for family planning satisfied - use of modern methods (%)" (`fpsmowho`) across African nations, spanning 1993–2019. 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 40 African nations with a total of 5,528 rows and is stratified by various sub-dimensions such as age group, education level, residence area type, wealth decile, and wealth quintile.

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，聚焦于非洲地区现代避孕方法满足计划生育需求的百分比指标（代码fpsmowho）。数据覆盖1993年至2019年间40个非洲国家，共包含5,528条观测记录。原始数据经由Electric Sheep Africa项目重新整理，统一转换为Parquet格式并标准化schema，数值字段直接提取自浮点精度的NumericValue，而非显示字符串。当指标按年龄、教育水平、居住地类型或财富水平等维度分层时，每个国家、年份与维度的组合均生成独立行，置信区间上下界（value_low, value_high）亦被保留。

特点

该数据集具备显著的多维分层特性，涵盖年龄组（15-19岁与20-49岁）、教育水平（低、中、高）、居住地类型（城市、农村）以及财富十分位和五等分等多种子维度，为细粒度分析非洲不同人群的计划生育服务满足情况提供了丰富视角。所有字段设计清晰一致，包含国家ISO3代码、WHO区域、观测年份及数值估计，并附带了置信区间信息以支撑统计推断。数据规模适中（介于1K至10K），便于直接用于机器学习中的分类或回归任务。

使用方法

用户可通过HuggingFace的datasets库直接加载该数据集，代码为`load_dataset("electricsheepafrica/africa-who-demand-for-family-planning-satisfied-use-of-modern-methods")`，并可轻松转换为Pandas DataFrame进行后续分析。为聚焦于国家级别的整体估计，建议过滤dim1列中后缀为_BTSX的记录或dim1为空的数据行。如需研究特定国家的时间序列趋势，可依据country_iso3字段筛选并按时序排序。此外，用户可根据研究需求，通过dim1和dim2字段选择特定分层（如按财富五分位或居住地类型），或跨层聚合以获取综合指标。

背景与挑战

背景概述

该数据集由Electric Sheep Africa团队整合自世界卫生组织全球卫生观察站（WHO GHO），发布于HuggingFace平台，聚焦于衡量非洲地区育龄女性对现代避孕方法的需求满足程度。核心指标为“现代避孕方法覆盖率百分比”，覆盖40个非洲国家1993至2019年的纵向观测数据，总计5528条记录。该数据集的出现填补了非洲大陆在家庭规划领域高质量、标准化、机器学习就绪数据的空白，为评估可持续发展目标（SDGs）中关于生殖健康与性别平等的进度提供了关键量化工具。通过提供按年龄、教育水平、居住地类型、财富分位数等多维度分层信息，研究者能够深入剖析社会经济与文化因素对避孕覆盖率的影响，进而为公共卫生政策制定与干预措施优化提供数据驱动的实证基础。

当前挑战

该数据集所应对的领域挑战在于：非洲地区家庭规划服务可及性与现代避孕方法使用率的系统性量化困境，尤其是在数据稀疏、指标定义不一、国际合作标准难以统一的背景下，构建跨国家、跨年份的可比性指标极为困难。构建过程中遇到的挑战包括：原始WHO数据以API形式提供，需解析OData接口并处理非标准化字段；指标在不同国家存在分层维度（如年龄组、地理区域）的差异，部分观测值缺失置信区间，需谨慎处理缺失值；数据来源涉及多语言、多编码格式，需清洗并统一至Parquet格式以确保机器学习管线的兼容性与可复现性。此外，需平衡细粒度分层数据与统计聚合间的信息损失问题，避免因数据稀疏导致的建模偏差。

常用场景

经典使用场景

该数据集聚焦于非洲国家中通过现代避孕手段满足的计划生育需求百分比，时间跨度覆盖1993年至2019年，涵盖40个非洲国家。在经典研究中，它常被用于构建时间序列模型，以追踪各国计划生育服务覆盖率的演变轨迹，并揭示不同国家在性别、年龄、教育水平、居住类型和财富等级等社会人口学维度上的分层差异。研究人员利用这些细粒度指标，评估政策干预的长期成效，或是预测未满足需求的变化趋势，从而为公共卫生决策提供数据支撑。

实际应用

在实际应用中，政府机构和非政府组织可借助该数据集监测国家与地区层面的计划生育进展，识别服务覆盖薄弱的群体或地理区域。例如，决策者可以依据按年龄组和财富五分位划分的数据，调整资源分配策略，优先支持农村或低教育水平女性的避孕需求。此外，国际卫生项目如全球基金与联合国人口基金在评估其干预措施效果时，也常结合该数据集进行前后对比分析，确保资金投入精准惠及目标人群。

衍生相关工作

该数据集衍生出一系列关于非洲卫生政策评估的经典工作，包括使用面板回归模型分析妇女教育水平对现代避孕采纳率的因果效应，以及运用空间统计方法描绘跨境服务覆盖的差异格局。部分研究进一步整合了其他WHO指标（如孕产妇死亡率或儿童疫苗接种率），构建多变量健康正义指数，量化卫生系统的整体韧性。此外，Electric Sheep Africa的配套数据仓库还促使了可复现的机器学习流水线的开发，用于自动识别数据中的异常值或缺失模式。