FastDOLz/OSHA-Severe-Injuries-by-Employer-2015-2025

该数据集包含了美国雇主的职业安全与健康管理局（OSHA）严重伤害报告记录，涵盖根据29 CFR 1904.39报告的住院、截肢和眼损失事件。每行数据代表一个雇主，汇总了按伤害类型统计的数量、事件发生日期、总的执法历史记录、母公司汇总信息以及跨机构指标。数据来源于美国劳工部职业安全与健康管理局（OSHA），通过FastDOL提供，适用于表格分类任务，重点关注工作场所安全、联邦执法和合规性分析。数据集规模在1万到10万条记录之间，许可证为CC BY 4.0。许可协议：CC BY 4.0 任务类别：表格分类（tabular-classification） 标签：osha、重伤、职场安全、截肢、住院治疗、联邦执法、合规 数据规模区间：10000条 < 样本量 < 100000条 --- ## 数据内容 所有拥有至少一条美国职业安全与健康管理局（Occupational Safety and Health Administration，OSHA）重伤备案记录的美国雇主——即符合29 CFR 1904.39规定的住院治疗、截肢及眼部缺失备案。每一行对应一家雇主，包含按类型汇总的工伤计数、事故发生日期、整体执法历史记录、母公司汇总信息以及跨机构标识。 ### 数据来源 美国劳工部职业安全与健康管理局（OSHA），通过FastDOL平台获取。 --- # 雇主级OSHA重伤数据集 本数据集为镜像副本。官方原版主页：https://www.fastdol.com/datasets/osha-severe-injuries-by-employer 许可协议：CC BY 4.0 版本DOI：[10.5281/zenodo.20401992](https://doi.org/10.5281/zenodo.20401992) 概念DOI：[10.5281/zenodo.20401991](https://doi.org/10.5281/zenodo.20401991) CSV下载地址：https://www.fastdol.com/datasets/osha-severe-injuries-by-employer/data.csv 如需查看完整数据结构、研究方法、BibTeX引用格式及最新版本，请访问[官方原版页面](https://www.fastdol.com/datasets/osha-severe-injuries-by-employer)。

搜集汇总

数据集介绍

构建方式

该数据集源自美国职业安全与健康管理局（OSHA）依据29 CFR 1904.39条款所收集的严重工伤报告记录，涵盖住院、截肢及眼睛丧失等需强制上报的伤害事件。构建过程以雇主为分析单元，将每一雇主的伤害事件按类型汇总计数，同时整合事件发生日期、完整执法历史、母公司层级归属以及跨机构标识等维度。数据经FastDOL平台标准化处理后，形成结构化的表格型数据集，最终以CSV格式发布，并附有版本化的数字对象标识符（DOI）以保障可追溯性与引用规范性。这一构建路径实现了从原始监管记录到可供分析的结构化数据的转化。

使用方法

该数据集适用于表格分类任务及职业安全领域的实证分析。使用者可通过提供的CSV直链直接获取数据，并依据CC BY 4.0许可进行复制、分发与改编，惟需适当署名。典型应用包括识别高严重伤害风险雇主的特征、评估执法历史与伤害发生率的关联、以及比较不同母公司或行业间的安全绩效。研究者可借助版本DOI确保结果可复现，并引用规范页面获取完整方法学说明。在建模时，建议将伤害计数作为目标变量或特征，结合执法与跨机构指标进行多因素分析。

背景与挑战

背景概述

职业安全与健康管理长期依赖碎片化的执法记录与事故报告，难以形成对雇主层面严重伤害模式的系统认知。该数据集由FastDOL团队整合美国职业安全与健康管理局（OSHA）2015至2025年间依据29 CFR 1904.39上报的住院、截肢及眼损失案例，构建了以雇主为分析单元的聚合型数据资源。其核心研究问题在于揭示重复违规与严重伤害之间的关联机制，并支持跨机构执法协同分析。该数据集为职业安全领域的实证研究提供了细粒度证据基础，对合规风险评估与预防性监管具有重要参考价值。

当前挑战

该数据集所应对的领域问题在于， workplace严重伤害事件的传统统计往往掩盖了雇主间的异质性，难以精准识别高风险主体及重复违规模式。构建过程中的挑战则源于多重要素：OSHA原始记录存在上报延迟与漏报偏倚，跨年度数据口径需统一校准；母公司层级归属需通过实体解析技术完成，而企业重组与更名导致关联复杂度显著上升；跨机构指标整合涉及隐私保护与数据匹配精度之间的权衡。上述因素共同制约了数据在因果推断与实时预警中的直接应用。

常用场景

经典使用场景

在职业安全与健康领域，该数据集最为经典的用途在于构建以雇主为单位的严重职业伤害风险画像。研究者与监管机构藉由整合住院、截肢及视力丧失三类强制报告事件的聚合计数，辅以事件发生的时序信息与执法历史，得以系统性地识别高风险雇主与行业。这一场景下，数据集不仅充当伤害事件的统计底册，更成为链接雇主特征、既往违规与伤害后果的分析基石，为后续的预测建模与合规审查提供结构化的输入。

解决学术问题

该数据集有效回应了职业安全研究中长期存在的雇主层面伤害数据匮乏问题，尤其是在严重伤害与截肢事件上的系统性记录缺失。过往研究多依赖抽样调查或行业汇总数据，难以精确刻画单一雇主的伤害负担与执法互动。通过提供近十年间逐雇主的伤害计数、母公司归属及跨机构标识，该数据集使得学者能够探讨执法频率与伤害重复发生之间的关联、母公司结构对安全绩效的调节效应，以及特定行业伤害类型的聚集规律，从而深化对职业伤害决定因素的理解。

实际应用

在实务层面，该数据集为多个主体提供了可操作的信息支撑。监管机构可据此优化检查资源的分配，将有限的执法力量集中于伤害频发且合规记录不佳的雇主；保险公司与再保险机构能够将其纳入核保模型，更精细地评估雇主的责任风险与保费定价；企业自身则可通过对照同业伤害数据，识别内部安全管理的薄弱环节，制定针对性的干预措施。此外，供应链管理者亦可将该数据作为筛选合作伙伴的参考维度，推动上下游企业共同提升职业安全水平。

数据集最近研究

最新研究方向

在职业安全与健康领域，针对严重工伤事件的雇主级聚合数据正驱动着前沿研究向预测性合规分析转型。OSHA-Severe-Injuries-by-Employer-2015-2025数据集凭借其涵盖住院、截肢及视力丧失等法定上报事件的细粒度记录，成为构建机器学习模型以识别高风险雇主的核心资源。近期研究聚焦于融合执法历史、母公司结构与跨机构指标，探索工伤严重程度的时空聚类模式及行业异质性，旨在揭示系统性安全缺陷的早期信号。该数据集亦支撑着对联邦执法效力的因果推断，为精准监管与预防干预提供了实证基础，其影响延伸至企业安全文化重塑与公共政策优化。