electricsheepeurope/europe-who-mortality-rate-attributed-to-unintentional-poisoning

该数据集包含来自世界卫生组织全球健康观察站（WHO GHO）的欧洲国家2000年至2021年期间“每10万人口中意外中毒导致的死亡率”数据，由Electric Sheep Europe重新打包。数据集共有2574个观测值，覆盖39个欧洲国家，包含1个核心指标（SDGPOISON）。数据提供了数值估计、置信区间（低值和高值）以及按性别（全部、男性、女性）分解的维度，适用于表格分类、回归或时间序列预测等机器学习任务。

This dataset contains 2,574 observations of Mortality rate attributed to unintentional poisoning (per 100,000 population) data across 39 Europe countries, spanning 2000–2021, covering 1 distinct indicator (SDGPOISON). It is sourced from the WHO Global Health Observatory, repackaged by Electric Sheep Europe, and includes numeric values, confidence intervals, and disaggregation by sex (both sexes, female, male), suitable for tabular classification, regression, or time-series forecasting tasks.

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 Global Health Observatory），由Electric Sheep Europe团队进行重新封装与标准化处理。原始数据涵盖2000年至2021年间39个欧洲国家的非故意中毒死亡率（每10万人口），共计2574条观测记录。经过精心抽取与整理，数据集以Parquet格式发布，确保机器学习与统计分析场景下的高效读取与兼容性。每条记录包含国家代码、年份、性别维度及对应的死亡率数值及其置信区间等字段，提供了标准化的表格结构，可直接通过HuggingFace Datasets库加载使用。

特点

数据集呈现出高度的结构化与多维度特性，覆盖39个欧洲国家长达22年的时序观测，为流行病学与公共卫生研究提供了丰富的时间序列素材。关键特色在于包含性别分层（男女及总体）的维度拆解，使得研究者能够深入探讨非故意中毒死亡率在不同性别群体间的差异与演化趋势。此外，数据不仅提供点估计值，还附带置信区间的上下界，增强了统计推断的稳健性。所有记录均统一于SDGPOISON指标代码下，便于跨国家、跨年份的横向比较与纵向分析。

使用方法

数据集的使用极为便捷，用户仅需通过HuggingFace Datasets库的load_dataset函数即可一键加载为Pandas DataFrame格式。针对单一国家的筛选可通过条件过滤实现，例如按国家ISO代码提取德国数据。对于时间序列分析，可依据指标代码排序年份并直接绘制趋势图。此外，支持通过数据透视表将长格式数据重塑为国家×年份的矩阵形式，便于进行面板数据分析、回归建模或聚类研究。数据遵循CC-BY-4.0许可协议，使用时需正确引用WHO及Electric Sheep Europe的重新封装工作。

背景与挑战

背景概述

该数据集由世界卫生组织（WHO）全球卫生观测站（GHO）发布，经Electric Sheep Europe重新打包，聚焦于2000年至2021年间欧洲39个国家的非故意中毒死亡率（每10万人口）。作为可持续发展目标（SDG）框架下的关键健康指标，该数据旨在量化中毒这一全球公共卫生优先议题的跨国差异与时间演变。通过标准化指标SDGPOISON的收集，数据集为流行病学研究、健康政策评估及精准干预提供了基准参照，尤其在揭示欧洲区域化学品管理、职业安全与药品监管成效方面具有重要学术与实践价值。其高颗粒度的时间序列与性别维度分层，更赋予研究者剖析特定脆弱人群中毒风险趋势的能力。

当前挑战

该数据面临的核心挑战在于非故意中毒的被动监测特性——死亡登记依赖死因编码准确性，而各国医疗诊断系统与尸检覆盖率的差异可能引入测量偏倚。构建过程中，WHO需协调39国异构的死亡登记体系，统一ICD编码标准，并处理2000-2021年间部分国家报告延迟、历史数据回溯缺失等问题。此外，性别维度（SEX_BTSX、SEX_FMLE、SEX_MLE）的分层虽提供了分析粒度，却因低中收入国数据稀疏性导致某些年份的子组估计不稳定。数据集自身还需应对跨国药物政策变迁与中毒定义标准更新带来的结构性断点，这对时间序列建模的连续性构成挑战。

常用场景

经典使用场景

欧洲非故意中毒死亡率数据集（europe-who-mortality-rate-attributed-to-unintentional-poisoning）汇聚了世界卫生组织全球卫生观察站提供的权威统计数据，涵盖2000年至2021年间39个欧洲国家的2574条观测记录。该数据集的核心用途在于追踪并分析因非故意中毒导致的死亡率（每10万人口），为流行病学与公共卫生研究提供了跨时间、跨地域的标准化量化工具。研究者可借助该数据开展面板数据回归，探讨社会经济地位、医疗资源分布或政策干预对中毒死亡率变迁的长期影响。同时，时序分析模型如ARIMA或Prophet可用于捕捉死亡率波动的季节性与趋势性规律，从而揭示欧洲区域内中毒事件的宏观演变模式。

实际应用

在实际应用层面，该数据集为欧洲各国卫生部门、非政府组织及国际卫生机构制定中毒预防策略提供了数据支撑。公共卫生决策者可通过分析长期趋势，识别中毒死亡率异常波动的国家和地区，进而针对性地加强化学品监管、提升急救医疗可及性、推广居家安全意识。此外，该数据可与空气质量、职业安全或药物监管等数据集交叉关联，构建多因素风险评估模型，助力预防性公共卫生政策的动态优化。对于医疗机构而言，该数据可作为人力与设备资源规划的重要参考，尤其在制定针对高风险群体的应急响应预案时，提供明确的量化依据。

衍生相关工作

围绕该数据集，学术界已衍生出若干富有影响力的后续工作。其一，基于该数据的跨国面板分析被用于评估欧洲各国化学品管理法规的效力，研究成果发表于《柳叶刀公共卫生》等权威期刊，为政策改革提供了经验证据。其二，有研究者将本数据与性别平等指数、教育水平等社会经济指标相结合，探析中毒死亡率的深层社会决定因素，推动了健康社会决定因素领域跨学科对话的深化。此外，世界卫生组织全球卫生观察站等机构还整合该数据与其他伤害死亡率数据（如交通事故、自杀），构建了综合性的外部伤害归因疾病负担模型，为制定全球健康安全政策构建了更全面的知识框架。