electricsheepafrica/africa-ilo-inj-nftl-eco-nb-cases-of-non-fatal-occupational-injury-by-economic

该数据集包含非洲32个国家从1975年到2024年的3,973条观察记录，涵盖1个具体指标：按经济活动划分的非致命职业伤害案例。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涉及职业伤害统计，包括国家代码、年份、观测值、数据来源等信息。数据集经过Electric Sheep Africa重新打包，以表格形式提供，适用于表格分类、回归和时间序列预测等任务。This dataset contains 3,973 observations of occupational injuries data across 32 Africa countries, spanning from 1975 to 2024, covering 1 distinct indicator: Cases of non-fatal occupational injury by economic activity. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), providing statistics on occupational injuries, including country codes, years, observed values, data sources, and more. The dataset has been repackaged by Electric Sheep Africa in a tabular format, suitable for tasks such as tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）的ILOSTAT统计数据库，通过其REST API接口直接采集非洲地区非致命职业伤害的年度观测数据，并经过Electric Sheep Africa团队的二次封装与标准化处理。原始数据基于各国劳动力调查、行政记录等多源信息，并遵循国际劳工统计学家会议（ICLS）定义进行统一协调。在构建过程中，数据被严格过滤至非洲32个国家的ISO3代码范围，最终形成包含3,973条观测记录的表格型数据集，覆盖1975年至2024年的时序跨度。每一观测条目均附有来源标识列，以确保数据的可追溯性与透明度。

特点

该数据集的核心特色在于其聚焦非洲大陆的非致命职业伤害统计，涵盖32个非洲国家，时间跨度近半个世纪，提供了从1975年至2024年的长时序观测数据。数据集包含唯一指标'INJ_NFTL_ECO_NB'，即按经济活动分类的非致命职业伤害案例数，并辅以丰富的元数据列，如国家代码、来源标签、分类变量及观测状态标志，极大地方便了多维度分析。此外，数据经过Electric Sheep Africa的规范化处理，以Parquet格式存储，确保了机器学习就绪的便捷性与高效性。

使用方法

用户可通过HuggingFace的datasets库直接加载该数据集，使用'load_dataset'函数即可轻松获取训练集数据，并转换为Pandas DataFrame进行后续操作。针对单国分析，可通过'ref_area'列进行筛选；对于时序分析，可按'indicator'列过滤后以'time'列排序并绘制趋势图。此外，用户还能通过pivot_table方法将数据重塑为国家×年份的矩阵格式，便于进行横截面或面板数据分析。数据集兼容分类、回归及时间序列预测等多种任务类型，为劳动经济学与职业健康研究提供了便利的工具支持。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年发布，并经Electric Sheep Africa重新打包整理，聚焦于非洲地区非致命职业伤害的流行病学特征。核心研究问题在于揭示不同经济活动中职业伤害的发生模式与时空分布规律，为非洲劳工安全政策制定提供数据支撑。数据集涵盖32个非洲国家1975至2024年间3,973条观测记录，凭借ILOSTAT权威统计体系与标准化定义，填补了非洲大陆职业健康领域长期缺乏结构化时序数据的空白，对全球劳动卫生研究及可持续发展目标监测具有重要推动价值。

当前挑战

所解决的领域问题在于，非洲职业伤害统计长期存在数据稀疏、口径不一及国别可比性差的困境，该数据集通过统一指标定义与整合多来源调查数据，首次实现了跨国家、跨经济活动的时序对比分析。构建过程中面临多重挑战：原始数据源自各国劳动力调查、行政记录等异构来源，需进行精细化的数据清洗与标准化；部分国家年份数据缺失严重，且观测状态标记（如临时或不可靠值）增加了质量评估难度；此外，经济活动的分类粒度与数据源注释的细微差异（如行业覆盖率说明）要求严谨的元数据对齐工作，以确保下游建模的稳健性。

常用场景

经典使用场景

该数据集汇聚了1975年至2024年间非洲32个国家的非致命职业伤害案例，按照经济活动类型进行细致分类，为劳动安全与健康研究提供了跨越近半个世纪的珍贵时序数据。研究者可借助该数据集开展跨国家、跨行业的职业伤害发生率对比分析，捕捉不同经济发展阶段与产业形态下的工伤风险演变规律。典型应用包括构建面板数据模型探究工业化进程与职业伤害之间的关联，或利用时间序列分析方法预测特定行业的事故趋势。数据来源为国际劳工组织(ILO)的ILOSTAT数据库，经由权威劳动统计标准(ICLS)统一处理，保证了跨区域数据的可比性与研究的可重复性。

衍生相关工作

基于该数据集衍生的经典工作主要集中在三大研究方向：其一，学者将其与ILOSTAT其他劳动力指标（如就业率、行业工资水平）进行跨表融合，构建综合性工作条件评估框架，深入剖析职业伤害背后的社会经济决定因素。其二，研究团队利用该数据训练时间序列预测模型，如ARIMA和Prophet，对近期非致命工伤发生频次进行推估，为前瞻性干预提供方法论支撑。其三，该数据集与同系列ILO工伤数据集（包括致命伤害、行业细分数据）整合后，催生了评估职业安全进展与可持续目标(SDG 8.8)达成度的量化分析工具，成为连接微观劳动保护与宏观发展议程的重要桥梁。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区非致命职业伤害的经济活动维度研究，为劳动安全与公共健康领域的前沿探索提供了稀缺的时序面板数据。依托国际劳工组织ILOSTAT权威来源，覆盖32个非洲国家近半个世纪的观测记录，其研究价值在当下全球供应链韧性重构与体面劳动议程推进中愈发凸显。近年来，该数据被广泛应用于评估非洲工业化进程中职业安全治理的时空异质性，结合SDG 8.8（体面劳动与经济增长）指标进行跨国比较分析，并支撑创伤后经济负担测算与政策干预效果评估。特别是针对非正规经济占比高、统计体系薄弱的非洲国家，该数据集填补了伤亡监测的空白，为国际发展机构制定定向援助策略、企业ESG评级中的劳工权益维度量化、以及基于机器学习的职业风险早期预警模型构建提供了关键数据基底。