electricsheepafrica/africa-ilo-inj-nftl-sex-mig-rt-non-fatal-occupational-injuries-per-100-000-worker

该数据集包含了非洲21个国家从1975年至2024年的非致命职业伤害统计数据，具体指标为每10万名工人中按性别和移民状况划分的非致命职业伤害发生率。数据集共有313个观测值，数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过筛选，仅包含非洲国家的数据。数据集包含多个字段，如国家代码、国家名称、数据来源、指标代码、性别分类、移民状况分类、年份和观测值等，适用于表格分类、回归和时间序列预测等任务。数据以CC BY 4.0许可证发布，由Electric Sheep Africa重新打包，旨在为非洲提供统一的、机器学习就绪的数据层。This dataset contains 313 observations of non-fatal occupational injuries data across 21 African countries, spanning from 1975 to 2024, with the core indicator being Non-fatal occupational injuries per 100,000 workers by sex and migrant status. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to African country codes. It includes fields such as country code, country name, data source, indicator code, sex disaggregation, migrant status classification, year, and observed value. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, released under the CC BY 4.0 license, and repackaged by Electric Sheep Africa as part of a unified, ML-ready data layer for Africa.

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中央统计数据库，通过REST API接口直接抽取非致命职业伤害指标（INJ_NFTL_SEX_MIG_RT），并依据非洲ISO3国家代码进行地域筛选。ILOSTAT基于国际劳动统计学家会议（ICLS）定义对原始调查微观数据进行标准化处理，数据来源涵盖劳动力调查、行政记录等多元渠道，并在source.label列中标注以保障可追溯性。随后由Electric Sheep Africa团队进行格式重打包，统一为Parquet格式并发布至HuggingFace平台，确保数据具备机器学习就绪（ML-ready）特性。

特点

该数据集涵盖1975至2024年间21个非洲国家的313条观测记录，聚焦于按性别和移民身份分类的非致命职业伤害发生率（每10万工人）。数据结构中包含ref_area、sex、classif1等多维分类变量，支持按性别（SEX_T总、SEX_M男、SEX_F女）进行精细分解。数据以年频次呈现，由ILO在多个来源中筛选“最佳来源”以确保质量，同时通过note_indicator和note_source字段记录技术注释与来源说明，增强了数据的透明度和可信度。

使用方法

使用者可通过HuggingFace的datasets库以load_dataset()函数一键加载数据集，并转换为pandas DataFrame进行后续分析。典型应用包括按国家筛选特定时间序列（如df[df['ref_area']=='KEN']），或对单个指标按时间排序绘制趋势图。此外，借助pivot_table方法可将数据重塑为国家×年份的矩阵形式，便于开展跨国比较和面板数据分析。数据集内的分类变量可直接用于分组统计或作为机器学习模型的输入特征。

背景与挑战

背景概述

非洲大陆长期面临职业伤害数据匮乏的困境，这使得制定循证劳动政策与保障工人安全变得异常艰难。在此背景下，国际劳工组织（ILO）于2024年推出了非洲职业伤害数据集，该数据集经由Electric Sheep Africa在HuggingFace上重新打包发布。数据集整合了ILOSTAT统计数据库中的核心指标，涵盖21个非洲国家1975年至2024年间共313条观测记录，重点关注非致命性职业伤害发生率，并按性别与移民身份进行细致分层。这一宝贵资源不仅为非洲劳动安全研究提供了稀缺的跨时空可比数据，更为全球范围内推动体面劳动与可持续发展目标（SDG）的监测评估注入了新的活力。

当前挑战

该数据集所解决的领域核心挑战在于，非洲大陆职业伤害数据长期存在严重的覆盖空白与异质性问题，各国统计口径不一、数据连续性差，严重制约了区域劳动安全状况的精准评估与干预政策的科学制定。在构建过程中，挑战同样严峻：首先，需从ILOSTAT海量多源异构的原始数据中精准提取并清洗非洲国家记录，确保数据定义的统一性；其次，面对各国数据质量参差不齐的现状，需有效处理缺失值、注明多种数据来源并标注最佳来源，以平衡数据完整性与可用性；最后，针对仅包含1个核心指标的313条有限样本，还需设计合理的时间序列与分层分析框架，以最大化挖掘稀缺数据的价值。

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21国因性别和移民状态划分的非致命职业伤害发生率，提供了横跨近半个世纪的313条观测值。经典使用场景聚焦于时间序列建模与面板数据分析，研究者可借助该数据集揭示非洲大陆职业伤害的演变规律，比较不同国家在工伤预防方面的进展，或评估性别差异与移民身份对劳动安全风险暴露程度的交互影响，为区域职业健康管理政策的量化评估奠定数据基石。

衍生相关工作

基于该数据集衍生的经典工作包括非洲大陆职业伤害风险因子的多维度计量分析、结合卫星遥感与劳动力调查数据的空间流行病学研究，以及运用机器学习方法对工伤发生率进行预测建模。部分研究进一步将ILOSTAT数据与宏观经济指标联立，探讨产业结构调整与劳动安全规制效力的动态关系。这片数据沃土还催生了面向非洲区域的健康经济学可重复性研究框架，推动了开源数据分析范式在发展中国家劳动统计篇章中的扎根与应用。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区按性别和移民身份划分的非致命职业伤害发生率，为全球劳动安全与健康研究提供了稀缺的长期区域观测数据。当前前沿方向集中于利用时序建模与面板数据技术，剖析非洲大陆职业伤害的演变轨迹及其与劳动力迁移、性别差异的深层关联。结合ILOSTAT标准的统一化方法论，该数据为跨国产出函数中的安全成本测算、SDG体面劳动目标监测以及新兴经济体职业健康政策的因果推断提供了关键证据基础。其涵盖1975至2024年的广泛时间跨度与21国空间维度，使其在分析结构性经济转型对职业伤害影响的动态事件研究中具有独特价值。