electricsheepafrica/africa-who-number-of-suspected-yaws-cases-reported

该数据集包含WHO GHO指标“报告的疑似雅司病病例数量”（NTD_YAWSNUM_SUSP）在非洲国家的国家级观察数据，时间跨度为2008年至2024年。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。数据直接来源于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NumericValue字段（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 "Number of suspected yaws cases reported" (`NTD_YAWSNUM_SUSP`) across African nations, spanning 2008–2024. 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

该数据集源自世界卫生组织（WHO）全球卫生观察站（GHO）的OData应用程序编程接口，经过系统化整合与格式统一后，以Parquet文件形式重新封装，形成面向机器学习就绪的非洲健康数据仓库。数据聚焦于“报告疑似雅司病例数量”这一核心指标（代码NTD_YAWSNUM_SUSP），覆盖2008年至2024年间16个非洲国家的年度观测记录，共108行。在构建过程中，所有数值均采用浮点精度的NumericValue字段，而非显示字符串，并保留了可用置信区间上下界，确保了数据在统计分析中的精确性与实用性。

特点

该数据集具备显著的结构化与标准化特点，为每个国家-年份组合提供唯一的数值型观测点，避免了亚维度复杂分层带来的混淆。其模式（Schema）设计清晰，包含指标代码、国家ISO3代码、WHO区域、观测年份、置信区间边界等关键字段，同时兼容性维度字段（如性别或居住区域类型）以支持灵活的子集筛选。作为一个轻量级（少于1000行）但时空覆盖明确的表格数据集，它特别适用于时间序列预测、跨地域对比以及雅司病流行病学建模等任务，体现了非洲区域公共卫生数据的高价值与易用性。

使用方法

使用者可通过HuggingFace datasets库便捷加载该数据集，利用load_dataset函数直接获取训练集，并借助to_pandas方法转化为Pandas数据框进行深入分析。建议在使用时，根据分析目标过滤维度字段，例如通过筛选dim1以获取全国性（如两性合并）数据，或按国家代码和年份对特定国家进行时间序列分析。对于缺失的置信区间，可直接使用value_numeric作为机器学习的主要目标变量。该数据集无需额外预处理，即可直接应用于回归或分类任务，大幅降低了非洲健康数据在模型开发中的接入门槛。

背景与挑战

背景概述

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项目重新封装，旨在提供非洲地区2008年至2024年间报告的疑似雅司病病例数量。雅司病是一种被忽视的热带病，主要影响贫困和偏远地区的儿童，准确监测其流行趋势对于制定有效的公共卫生干预措施至关重要。数据集涵盖16个非洲国家，包含108条观测记录，每个国家每年仅有一个值，无细分维度，为机器学习模型提供了简洁而关键的时间序列数据。通过整合WHO官方API并标准化为Parquet格式，该数据集降低了非洲健康数据的使用门槛，推动了数据驱动的研究与政策制定，对全球健康监测和疾病控制研究具有重要参考价值。

当前挑战

该数据集面临的核心挑战在于解决非洲地区雅司病监测的领域问题，包括数据稀疏性和时空覆盖不均。仅16个国家的108条记录不足以捕捉全球雅司病的完整流行模式，且缺乏年龄、性别等人口统计分层，限制了模型对高危人群的精准识别。构建过程中，从WHO OData API提取数据时需处理浮点数值与显示字符串的差异，合并置信区间边界时遇到不完整记录，且不同国家报告标准和时间粒度不一致，导致数据对齐和清理复杂。此外，确保与原始GHO指标定义严格一致并维持许可证合规，增加了数据重封装的难度，这些因素共同制约了数据集的实用性及后续建模的准确性。

常用场景

经典使用场景

在非洲传染病流行病学研究中，该数据集被广泛用于雅司病疑似病例的时空分布建模与趋势分析。凭借其涵盖2008至2024年间16个非洲国家的年度报告数据，研究人员能够利用这些结构化的数值型观测记录，开展回归分析与分类任务，例如预测疾病爆发的风险等级或识别高发区域。数据集提供点估计值及置信区间，为构建稳健的统计模型和机器学习算法提供了可靠基础，成为监测非洲雅司病传播动态的经典数据资源。

衍生相关工作

基于该数据集，学术界衍生了一系列相关工作，包括开发雅司病预测预警系统、构建时空贝叶斯模型以估计未报告病例数量，以及结合气候和社会经济变量探索疾病传播驱动力。部分研究将其与非洲其他传染病数据集（如疟疾、登革热）整合，构建多病种联合分析框架。此外，该数据被用于验证数据稀疏条件下的插补算法，并为弱监督学习提供标注基准，催生了若干关于低资源地区流行病学数据挖掘的方法学创新。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区疑似雅司病（Yaws）报告病例数的时空分布与公共卫生监测前沿。雅司病作为一种被忽视的热带病（NTD），其病例数据对评估世卫组织2020-2030年NTD路线图的实施进展至关重要。近期研究方向包括利用该16国2008-2024年的纵向时间序列数据，结合机器学习回归模型与空间流行病学方法，预测疫情热点区域并分析消除运动的成效。在2023年全球雅司病根除行动加速的背景下，该数据集为整合多国监测系统、识别病例报告差距及量化干预措施影响提供了关键数字基座，其价值在于弥合高分辨率国家数据与全球疾病负担估算之间的鸿沟，从而推动数据驱动的资源分配与精准健康政策制定。