electricsheepasia/asia-who-mortality-rate-attributed-to-unintentional-poisoning

该数据集包含亚洲48个国家从2000年至2021年每10万人口中因意外中毒导致的死亡率数据，共有3,168个观测值，涵盖1个独立指标（SDGPOISON）。数据来源于世界卫生组织（WHO）的全球健康观察站（GHO），并由Electric Sheep Asia重新打包为机器学习就绪格式。数据集为表格形式，支持分类、回归和时间序列预测任务，包括国家代码、年份、性别维度（如SEX_BTSX、SEX_FMLE、SEX_MLE）以及数值、低值、高值和显示值等列。This dataset contains 3,168 observations of mortality rate attributed to unintentional poisoning (per 100,000 population) across 48 Asia countries from 2000 to 2021, covering 1 distinct indicator (SDGPOISON). The data is sourced from the WHO Global Health Observatory (GHO) and repackaged by Electric Sheep Asia into a machine-learning-ready format. It is a tabular dataset suitable for classification, regression, and time-series forecasting tasks, with columns including country code, year, sex dimensions (e.g., SEX_BTSX, SEX_FMLE, SEX_MLE), and numeric, low, high, and display values.

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）的权威统计资料，由Electric Sheep Asia团队重新封装整理而成。数据覆盖2000至2021年间亚洲48个国家的非故意中毒死亡率（每10万人口），共计3168条观测记录。数据集以标准化模式构建，包含指示代码、国家ISO3代码、世卫组织区域、年份、性别分层维度及数值型指标，并附有置信区间上下限与展示字段。所有数据均以Parquet格式打包，确保机器学习就绪。

特点

数据集的核心特色在于其精细的地理与时间覆盖范围，囊括了阿富汗至中国等48个亚洲国家的完整时间序列。其中，性别分层（男女及两性综合）维度为深入分析提供了结构性支持，使得研究者能够发掘不同人群中的死亡率差异。单一指标SDGPOISON的聚焦设计，使得数据保持高度的一致性，便于进行跨国家、跨年度的比较分析。数据集还通过清洗与归一化处理，剔除了冗余信息，为时间序列预测与分类任务提供了干净、可靠的基础。

使用方法

用户可通过HuggingFace Datasets库轻松加载数据集，仅需一行代码`load_dataset()`即可将数据读取为Pandas DataFrame，便于后续分析。加载后，可依据国家ISO3代码进行筛选，聚焦特定区域如印度尼西亚的死亡率趋势。针对单一指标的时间序列分析，可通过排序与绘图功能直观呈现变化规律。此外，数据集支持透视操作，能够快速构建国家×年份的矩阵，为面板数据分析或机器学习建模提供结构化输入。数据使用需遵循CC-BY-4.0许可，并注明原始来源与重新封装方。

背景与挑战

背景概述

非故意中毒作为全球公共卫生领域的重要议题，其致死率直接反映了一个地区在化学品管理、医疗应急响应及公众安全意识方面的综合水平。世界卫生组织（WHO）通过其全球卫生观测站（GHO）于2021年发布了覆盖亚洲48个国家、时间跨度为2000年至2021年的非故意中毒死亡率数据集，该数据集由Electric Sheep Asia于2025年重新整理并标准化后发布在HuggingFace平台。核心研究问题在于揭示亚洲地区因非故意中毒导致的死亡负担及其时空分布特征，为相关健康政策的制定与国际比较提供数据基础。该数据集整合了WHO官方统计中的性别分层信息，包含了3,168条观测记录，每十万人口死亡率及其置信区间，对亚洲区域内的非故意中毒流行病学研究、时间序列建模及跨国产出对比具有重要支撑作用，已成为亚洲健康数据生态系统中一个关键的标准化资源。

当前挑战

该数据集所解决的领域问题挑战在于，非故意中毒死亡率在不同亚洲国家之间差异悬殊，且受制于各国报告系统的完整性、中毒事件分类标准的差异以及医疗记录质量的影响，传统上难以进行可靠的跨国比较与趋势分析。在数据集构建过程中，面临的主要挑战包括：从WHO GHO原始多源异构数据中准确提取亚洲专属子集，并识别与对齐48个国家的统一ISO代码；处理不同年份间数据缺失与统计口径变动问题，尤其是早期年份部分国家的数据稀疏性；将原始分层统计中的性别、年龄等维度标准化为一致的列结构，同时保证数值、置信区间及展示字段之间的自洽性；以及确保源自WHO的开放数据在重新打包后仍符合CC-BY-4.0许可要求，并保持与原始数据的可追溯性。

常用场景

经典使用场景

该数据集收录了2000年至2021年间亚洲48个国家的非故意中毒死亡率数据，每十万人口为单位，共计3168条观测记录。其经典使用场景涵盖时间序列分析、面板数据回归以及分类预测任务。研究者可借助该数据追溯亚洲各国中毒死亡率的历史演变轨迹，剖析不同性别、不同国家间的差异，并构建预测模型以评估未来公共卫生风险。数据集的标准化结构使其易于与健康决定因素、环境指标等外部数据融合，为跨学科研究提供坚实的数据基石。

解决学术问题

在学术研究中，该数据集直击全球健康监测领域的核心挑战——区域尺度上非故意中毒死亡率的量化与归因。它填补了亚洲地区长期、连贯、可比的中毒死亡率数据空白，使学者得以揭示中毒死亡的社会经济、环境及政策驱动因素。通过分析时间趋势与地理异质性，研究可识别高风险人群与脆弱区域，为流行病学理论验证、健康不平等量化以及可持续发展目标（SDG 3.9）的进展评估提供了实证依据，显著推动全球健康治理的知识积累。

衍生相关工作

基于该数据集已衍生出多项开创性工作。在学术领域，研究者将其与WHO全球健康观测站的其他指标（如疾病负担、医疗资源可及性）联合分析，识别出中毒死亡率与贫困指数、农业就业比例的显著关联。部分工作聚焦于贝叶斯时空建模，量化预测中毒死亡率的空间集聚效应。在应用层面，有团队开发了交互式可视化平台，动态呈现亚洲各国中毒死亡率变化。另有研究结合机器学习方法，利用分性别数据构建分类器，预测高危地区与人群，为精准公共卫生干预提供了方法论范例。