electricsheepeurope/europe-ilo-inj-fatl-sex-mig-rt-fatal-occupational-injuries-per-100-000-workers-by

该数据集是一个表格型数据集，专注于欧洲地区的职业伤害统计，具体包含“每10万名工人中按性别和移民状态划分的致命职业伤害数”这一指标。数据集由国际劳工组织（ILO）的ILOSTAT数据库提供，经Electric Sheep Europe重新打包发布。它包含2,105个观测值，覆盖35个欧洲国家，时间跨度为1969年至2024年，每年更新。数据以结构化表格形式组织，列包括国家代码（ref_area）、国家名称（ref_area.label）、数据来源（source）、指标代码（indicator）、性别分类（sex）、移民状态分类（classif1）、年份（time）、观测值（obs_value）等，支持按国家、年份、性别和移民状态进行细分分析。数据集适用于表格分类、回归和时间序列预测等自然语言处理任务，旨在为研究人员和开发者提供机器学习就绪的欧洲劳动市场数据。数据以CC-BY-4.0许可证发布，使用时需引用原始来源和重新打包方。This dataset is a tabular dataset focusing on occupational injury statistics in Europe, specifically containing the indicator Fatal occupational injuries per 100,000 workers by sex and migrant status. It is sourced from the ILOSTAT database of the International Labour Organization (ILO) and repackaged by Electric Sheep Europe. The dataset includes 2,105 observations covering 35 European countries from 1969 to 2024, with annual updates. Data is organized in a structured tabular format with columns such as country code (ref_area), country name (ref_area.label), data source (source), indicator code (indicator), sex disaggregation (sex), migrant status classification (classif1), year (time), observed value (obs_value), etc., enabling detailed analysis by country, year, sex, and migrant status. It is suitable for natural language processing tasks like tabular classification, regression, and time-series forecasting, providing a machine learning-ready data layer for European labor market research. The dataset is released under the CC-BY-4.0 license, requiring citation of both the original source and the repackager when used.

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，通过调用其REST API接口直接获取原始指标数据，并依据国际劳工统计学家会议（ICLS）定义进行统一化处理。Electric Sheep Europe团队将数据范围限定至欧洲35个国家的ISO3代码区域，经过清洗、整合与结构化处理后，构建为包含2105条观测记录的表格化数据集。每条记录涵盖国家、性别、移民身份等维度信息，并以Parquet格式封装发布，确保数据的高效读取与跨平台兼容性。

特点

数据集的核心特点在于聚焦欧洲地区因工死亡率的精细分层统计，提供按性别（男性、女性、总体）和移民身份（总计）交叉分类的每十万工人致死性职业伤害率指标。时间跨度覆盖1969年至2024年，包含35个欧洲国家的长时序观测，且每条观测均附有数据来源标签以确保可追溯性。数据质量方面，ILO采用'最佳来源'策略处理同一国家同一年份的多源冲突，并保留观测状态标志以标识数据的临时性或可靠性程度，为研究者提供审慎使用的依据。

使用方法

数据集通过HuggingFace Datasets库加载，用户仅需调用`load_dataset('electricsheepeurope/europe-ilo-inj-fatl-sex-mig-rt-fatal-occupational-injuries-per-100-000-workers-by')`即可将数据转化为Pandas DataFrame对象。支持按国家代码（如ref_area为'DEU'）筛选德国数据，也可按指标代码排序后绘制时间序列图。对于面板数据分析，建议使用pivot_table方法重塑为国家×年份矩阵，便于跨国家比较或回归建模。数据同时适用于表格分类、回归以及时间序列预测等任务场景。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年创建，经由Electric Sheep Europe重新整理并发布，聚焦于欧洲35个国家1969至2024年间按性别和移民身份分列的每10万名工人致命性职业伤害发生率。作为ILOSTAT数据库的核心子集，它承载着全球劳动统计领域的关键使命——量化工作场所安全风险，揭示劳动力群体间的差异。该数据集为职业健康与安全研究提供了跨越半个多世纪的纵向数据，能够支持从国家间比较到时间序列建模的多维度分析，对推进联合国可持续发展目标中体面劳动与经济增长相关指标具有重要实践价值。

当前挑战

该数据集所应对的领域挑战在于，传统职业伤害统计常因国家间报告标准不统一、数据采集周期不一致而难以进行跨国可比分析，ILO虽通过ICLS定义进行调和，但各国数据来源（如劳动力调查、行政记录）的异质性依然存在。在构建层面，主要挑战包括：整合来自ILOSTAT REST API的原始数据时需处理多源异构记录（如不同调查类型对同一指标的覆盖差异），并依据ILO的“最佳来源”原则进行筛选；此外，时间跨度长达55年，部分早期数据可能存在观测状态标记（如临时性、不可靠）的缺失或模糊，增加了数据清洗与质量控制难度。

常用场景

经典使用场景

该数据集记录了欧洲35个国家自1969年至2024年间，按性别与移民身份划分的每10万名工人中因职业伤害导致的致命事故发生率，共计2105条观测值。其经典使用场景集中于时间序列分析与面板数据建模，研究人员可借此揭示欧洲各国在职业安全健康领域的历史演变轨迹与区域差异。通过整合性别与移民身份的分类维度，该数据尤为适合构建多因素交互效应模型，例如评估移民劳工群体是否承受更高的职业致命风险，或探究不同性别在特定行业中的伤亡率分化趋势。

解决学术问题

该数据集有效填补了欧洲范围内跨国职业致命伤害长期追踪数据的空白，解决了因各国统计口径不一而难以开展比较研究的学术困境。它使学者能够系统检验职业安全政策、劳动法规强度与致命事故率之间的因果关联，例如评估欧盟职业健康指令的实施效果。此外，数据中细分移民身份的设计，为探讨社会脆弱性、劳动力市场分割与工伤风险之间的结构性关系提供了量化支撑，推动了劳动经济学与社会保障领域的实证研究。

衍生相关工作

该数据集已衍生出多项具有影响力的学术工作，包括基于面板数据回归分析的职业伤害决定因素研究、利用时间序列分解方法识别政策干预节点的评估模型，以及融合机器学习算法对职业致命事故进行风险因子分层与预测的探索。此外，部分工作将该数据与经济增长率、产业结构变迁等其他社会经济指标进行关联分析，构建了劳动力市场安全绩效的综合性评价框架。这些衍生的研究不仅深化了对职业健康安全内在机制的理解，也为数据驱动的公共决策提供了方法论范本。