electricsheepasia/asia-who-crude-suicide-rates

该数据集包含亚洲48个国家2000年至2021年间的粗自杀率（每10万人口）数据，共有4,752条观测记录，涵盖1个核心指标（SDGSUICIDE）。数据来源于世界卫生组织全球健康观察站（WHO GHO），由Electric Sheep Asia重新打包为机器学习友好格式。数据集包含结构化字段，如指标代码、国家代码、年份、性别和年龄组维度、数值及其置信区间等，适用于表格分类、回归和时间序列预测等任务。

This dataset contains crude suicide rates (per 100,000 population) for 48 Asian countries from 2000 to 2021, with 4,752 observations covering 1 distinct indicator (SDGSUICIDE). Sourced from the WHO Global Health Observatory (GHO) and repackaged by Electric Sheep Asia, it includes structured fields such as indicator code, country ISO3 code, WHO region, year, sex and age group dimensions, numeric values with confidence intervals, and is suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集依托世界卫生组织全球卫生观测站（WHO GHO）的权威数据源，由Electric Sheep Asia团队进行系统化的重新打包与标准化处理。通过整合2000年至2021年间覆盖48个亚洲国家的粗自杀率（每10万人口）观测数据，共汇集4,752条记录。构建过程中，团队保留了原始数据结构中的核心字段，如国家ISO代码、年份、性别与年龄组分解维度，并提供了数值估计及其置信区间，确保数据在迁移过程中的完整性与可追溯性。

特点

数据集以时间序列与结构化表格的双重形态呈现，横跨亚洲48个国家长达22年的纵贯数据，涵盖1个关键指标（SDGSUICIDE）及性别（男、女、总体）、年龄组（如10-19岁、15-29岁、全年龄等）多个维度的精细分解。每条记录均包含数值点估计及上下限值，便于不确定性分析。数据规模介于1千至1万条之间，以Parquet格式封装，具备机器学习的即用性，适合分类、回归及时间序列预测等多种任务场景。

使用方法

使用者可通过HuggingFace Datasets库的`load_dataset()`函数一键加载数据，支持直接转换为Pandas DataFrame进行后续操作。典型工作流程包括单一国家数据的筛选、按年份排序的时间序列绘图，或利用pivot_table构建国家×年份的矩阵进行跨区域比较。数据集遵循cc-by-4.0开放许可协议，使用时需同时引用WHO原始数据源及Electric Sheep Asia的再打包版本，以便学术溯源与合规引用。

背景与挑战

背景概述

自杀是全球范围内一个严重且复杂的公共卫生问题，其背后交织着心理、社会、经济和文化等多重因素。尽管世界卫生组织（WHO）长期呼吁各国加强自杀监测与预防，但亚洲地区作为全球人口最密集、社会文化多样性突出的区域，长期以来缺乏一份标准化、跨国家且长时段的粗自杀率数据集，这在很大程度上制约了区域间比较研究与精准干预策略的制定。为填补这一空白，由Electric Sheep Asia团队重新整理并于2024年发布的“asia-who-crude-suicide-rates”数据集，从WHO全球卫生观察站（GHO）提取了2000年至2021年间48个亚洲国家的粗自杀率数据，共计4752条观测记录。该数据集不仅覆盖了各年龄段与性别维度，还提供了估计值的置信区间，为流行病学研究、时间序列建模及机器学习预测任务提供了坚实的数据基础，对推动亚洲区域自杀预防的循证决策具有重要影响。

当前挑战

该数据集所应对的核心领域挑战在于：亚洲地区因人口规模庞大、社会经济条件迥异以及自杀行为的社会污名化，粗自杀率的准确测度与跨国家级可比性长期不足，现有官方数据往往存在缺失、报告时滞或统计口径不一的问题，严重限制了基于数据的风险因素识别和政策评估。在构建过程中，主要挑战包括：从WHO GHO庞杂且格式非统一的原始数据中，提取并标准化针对亚洲48国的粗自杀率指标；处理因不同国家上报年份不完整、性别与年龄分组稀疏导致的数据稀疏性；以及将经过价值高、低估计区间的多维度元数据（如性别、年龄组）整理为适用于表格分类、回归与时间序列预测任务的统一模式，从而降低研究者使用门槛，确保数据集的即开即用性与长期可维护性。

常用场景

经典使用场景

在亚洲公共健康研究领域，本数据集最经典的使用场景当属跨国界、长周期的自杀率趋势分析与比较。凭借其覆盖2000至2021年间48个亚洲国家的粗自杀率（每10万人口）数据，研究者能够利用时间序列回归或面板数据模型，系统考察亚洲各国在性别、年龄组等维度上的自杀率演变特征。该数据集常被用于识别自杀率在特定时段内的突变点，或结合宏观经济指标（如失业率、GDP增长率）探究社会变迁对心理健康的影响。此外，通过拆解不同性别与年龄亚群的数据，学者能够深入揭示亚洲不同地区自杀风险的差异性分布及其潜在动因。

解决学术问题

本数据集精准回应了亚洲区域性自杀流行病学研究中长期存在的“数据碎片化”与“统计口径不一”两大核心困境。世界卫生组织全球健康观测站的数据源保障了跨国数据的权威性与一致性，而精细至国家、性别和年龄组的结构化设计，使得研究者能够克服小样本偏误，进行稳健的统计推断。这一数据的公开化与标准化，推动了自杀行为社会决定因素的因果推断研究，例如验证文化羞耻感、宗教禁忌及经济转型对自杀率的异质性影响。其学术意义在于，为构建亚洲本土化的自杀预防理论模型提供了实证基石，填补了低收入与中等收入国家相关研究的空白，从而服务于全球健康公平性议程。

衍生相关工作

基于本数据集，学术界已衍生出多项标志性研究成果。学者们利用其时间序列特性，构建了融合社会经济指标的自杀率预测模型，如将自杀率与新冠疫情后心理健康恶化相关联的纵向分析。部分研究通过该数据集验证了“推拉理论”在亚洲情境下的适用性，即经济发展带来的生活压力增加（推算因素）是否削弱了传统社会支持网络（拉留因素）的保护效应。此外，数据集的性别分层特征催生了对亚洲女性自杀率相对男性偏低的再审视，挑战了西方流行病学中的既有认知范式。基于该数据集的机器学习分类工作亦层出不穷，研究者利用随机森林和梯度提升算法开发了自杀风险预警工具，将历史数据转化为可操作的公共卫生干预指标。