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

该数据集包含非洲21个国家按经济活动划分的每10万名工人非致命职业伤害的统计数据，时间跨度为1975年至2024年，共有2,640个观察值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲地区，涵盖了劳动统计中的职业伤害指标，具体指标为INJ_NFTL_ECO_RT。数据集以表格形式呈现，包括国家代码、国家名称、数据来源、指标代码、分类变量、观察年份、观察值等列，适用于表格分类、回归和时间序列预测等任务。数据经过ILO harmonisation处理，确保定义一致性，并标注了数据质量注意事项，如年度频率和最佳来源选择。This dataset contains 2,640 observations of non-fatal occupational injuries per 100,000 workers by economic activity across 21 African countries, spanning from 1975 to 2024. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via API and filtered for African ISO3 country codes. The dataset focuses on labor statistics, specifically the indicator INJ_NFTL_ECO_RT, and is presented in tabular format with columns such as country code, country name, source, indicator code, classification variables, observation year, and observed value. It is suitable for tasks like tabular classification, regression, and time-series forecasting. The data is harmonized using ICLS definitions, with notes on data quality including annual frequency and use of the ILO-selected best source for overlapping data.

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核心统计数据库，专注于非洲地区非致命性职业伤害的监测。数据通过ILOSTAT REST API直接抓取，原始指标编码为INJ_NFTL_ECO_RT，并依据国际劳动统计学家会议（ICLS）定义进行标准化处理。Electric Sheep Africa团队对数据进行二次加工，仅保留非洲ISO3国家代码对应的观测记录，整合了来自劳动力调查、行政记录等多源数据，最终形成了涵盖21个非洲国家、横跨1975年至2024年的2,640条时序观测。每个观测包含国家代码、数据来源、经济部门分类及年度伤害率等字段，确保数据来源的可追溯性与统计口径的一致性。

使用方法

使用该数据集极为便捷，研究人员可通过HuggingFace的Datasets库以一行代码加载：`load_dataset("electricsheepafrica/africa-ilo-inj-nftl-eco-rt-non-fatal-occupational-injuries-per-100-000-worker")`，即可获得可直接操作的Pandas DataFrame。针对特定国家分析，可依据`ref_area`字段进行过滤；进行时间序列分析时，可按`indicator`和`time`字段排序与可视化；若需构建国家与年份的交叉面板数据，可利用`pivot_table`方法进行重塑。数据集以Parquet格式存储，支持高效读写，能够无缝融入机器学习与计量经济学的建模流程。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年通过其ILOSTAT数据库整理发布，并由Electric Sheep Africa重新打包至HuggingFace平台。聚焦于非洲21个国家1975至2024年间按经济活动分类的每十万工人非致命性职业伤害率，共包含2640条观测记录。核心研究问题旨在揭示非洲地区职业伤害的分布特征与长期演变规律，为劳动安全政策制定、跨国比较及可持续发展目标（SDG）中的体面工作指标提供数据支撑。该数据集填补了非洲区域职业伤害精细化统计的空白，对于推动劳动经济学、公共卫生及国际发展研究具有重要参考价值。

当前挑战

该数据集面临的首要领域挑战是非洲各国职业伤害统计体系不统一，数据采集标准与覆盖范围差异显著，导致跨国可比性受限；同时非致命性伤害的漏报与误报问题普遍存在，影响指标可靠性。构建过程中，数据整合需克服多来源（劳动力调查、行政记录等）的格式异构与质量参差问题，ILO虽采用ICLS定义进行统一化处理，但早期年份数据缺失及‘最佳来源’选择策略可能引入偏差。此外，时间序列不连续（如部分国家仅覆盖特定年份）与分类变量释义复杂，增加了数据分析与建模的难度。

常用场景

经典使用场景

在劳动经济学与职业安全健康领域，该数据集被广泛用于构建预测模型，以估计非洲各国不同经济活动中每十万名工人的非致命性职业伤害发生率。研究人员常将其作为时间序列回归或面板数据分析的输入，通过分类变量（如经济活动大类）和年份信息，揭示非洲大陆职业伤害的时空分布特征与演变规律。

解决学术问题

该数据集核心解决了非洲地区职业伤害统计数据的碎片化与缺失问题，为跨国比较提供了标准化、可复用的基准。它支持学者验证经济发展水平与职业伤害率之间的库兹涅茨曲线假说，探究产业结构变迁对工人安全的影响机制，填补了发展中国家职业伤害系统性实证研究的空白。

实际应用

在实际应用中，该数据集助力国际劳工组织与非洲各国政府识别高风险的行业部门，为制定差异化的职业安全监管政策提供数据支撑。企业健康管理部门可借此对标区域行业基准，优化安全投入策略。非政府组织也利用这些数据开展针对性的职业健康宣教与干预项目。

数据集最近研究

最新研究方向

当前，非洲职业伤害数据的研究前沿聚焦于基于国际劳工组织（ILO）ILOSTAT数据库的标准化非致命工伤指标，结合21个非洲国家近50年（1975-2024）的2,640条观测记录，推动区域职业安全与健康（OSH）的跨时空比较分析。该数据集呼应了非洲大陆工业化加速与劳工权益保障的全球热点，尤其在SDG 8.8体面劳动目标框架下，为构建基于机器学习的工伤风险预测模型、经济部门伤害负担归因分析及纵向趋势建模提供了高质量结构化基础。其意义在于弥合非洲职业伤害数据可获取性不足的鸿沟，支撑从单一国家个案研究转向多国协同的政策评估与早期预警系统开发，对实现工作场所安全的数据驱动型治理具有标杆价值。