electricsheepeurope/europe-ilo-inj-fatl-eco-rt-fatal-occupational-injuries-per-100-000-workers-by

该数据集包含来自35个欧洲国家、时间跨度为1969年至2024年的18,336条关于职业伤害的观测数据，涵盖1个具体指标：按经济活动划分的每10万名工人致命职业伤害数。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涉及就业、失业、工资、工作时间、童工、非正规经济、社会保护、职业伤害和可持续发展目标体面工作指标等多个劳动统计领域。数据集以表格形式呈现，包括国家代码、指标代码、年份、观测值及数据来源等字段，适用于表格分类、回归和时间序列预测等任务。license: cc-by-4.0 language: - en task_categories: - tabular-classification - tabular-regression - time-series-forecasting multilinguality: monolingual size_categories: - 10K<n<100K tags: - tabular - europe - ilostat - occupational-injuries - ilo - labour - employment pretty_name: "Fatal occupational injuries per 100'000 workers by economic activity | Europe (ILOSTAT)" --- # 按经济行业划分的每10万名工人致命职业伤害数 | 欧洲（ILOSTAT） 🇪🇺 **18,336条观测数据** · **35个欧洲国家** · **1969–2024年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新封装*      ## TL;DR 本数据集包含**18,336条观测数据**的职业伤害相关数据，覆盖**35个欧洲国家**，时间跨度为**1969–2024年**，仅包含**1项核心指标**。 ## 数据来源说明 **ILOSTAT**即国际劳工组织（International Labour Organization, ILO）中央统计数据库，是全球领先的劳工统计权威来源。该数据库整合了就业、失业、薪酬、工作时长、童工、非正规经济、社会保障、职业伤害以及可持续发展目标（SDG）体面工作目标等领域的指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查及行政记录。其覆盖范围超过200个经济体，由国际劳工组织统计司负责数据标准化工作。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=INJ_FATL_ECO_RT) - **发布方**：国际劳工组织（ILO） - **许可证**：[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **研究主题**：职业伤害 ## 数据处理方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=INJ_FATL_ECO_RT`获取原始数据，并筛选出采用ISO 3166-1 alpha-3编码的欧洲国家。ILOSTAT依据国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）的定义对原始调查微观数据进行标准化处理；数据来源将在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 本数据集覆盖35个欧洲国家，以下按数据行数排序展示部分国家： | 国家代码 | 数据行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `ESP` | 864 | 1980 | 2023 | | `FRA` | 837 | 1969 | 2023 | | `AUT` | 821 | 1969 | 2023 | | `POL` | 815 | 1969 | 2023 | | `HUN` | 787 | 1969 | 2023 | | `ITA` | 763 | 1974 | 2023 | | `CHE` | 742 | 1971 | 2023 | | `FIN` | 705 | 1970 | 2023 | | `ROU` | 682 | 1985 | 2023 | | `SWE` | 662 | 1979 | 2023 | | `GBR` | 661 | 1979 | 2018 | | `CZE` | 629 | 1991 | 2023 | | `SVK` | 627 | 1985 | 2023 | | `NOR` | 604 | 1975 | 2023 | | `PRT` | 583 | 1980 | 2023 | | ... | 剩余20个国家 | | | ## 指标示例 - `INJ_FATL_ECO_RT` — 按经济行业划分的每10万名工人致命职业伤害数 ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | 字符串 | ISO 3166-1 alpha-3国家代码 | `AUT` | | `ref_area.label` | 字符串 | 英文国名 | `奥地利` | | `source` | 字符串 | ILOSTAT来源代码（如劳动力调查） | `FA:257` | | `source.label` | 字符串 | 英文数据源名称 | `ADM-IR - 来自所有机构的数据库记录` | | `indicator` | 字符串 | ILOSTAT指标代码 | `INJ_FATL_ECO_RT` | | `indicator.label` | 字符串 | 英文指标名称 | `按经济行业划分的每10万名工人致命职业伤害数` | | `classif1` | 字符串 | 第一分类变量（年龄、教育程度、就业状态等） | `ECO_AGGREGATE_TOTAL` | | `classif1.label` | 字符串 | — | `经济活动（汇总）：总计` | | `time` | int64 | 观测年份 | `2023` | | `obs_value` | float64 | 观测指标值（单位详见指标定义） | `3.0` | | `obs_status` | 字符串 | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | 字符串 | — | `不可靠` | | `note_classif` | 字符串 | — | `—` | | `note_classif.label` | 字符串 | — | `—` | | `note_indicator` | 字符串 | — | `T13:149_T14:155` | | `note_indicator.label` | 字符串 | — | `职业伤害覆盖范围：修订版` | | `note_source` | 字符串 | — | `S3:24_S9:66` | | `note_source.label` | 字符串 | — | `数据参考周期：年末` | ## 数据质量与注意事项 - 数据为年度频率。部分指标同时提供月度或季度序列，但本数据集未包含此类数据。 - 若同一国家×年份的同一指标存在多个数据源，将采用国际劳工组织选定的“最优数据源”。 - 细分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分维度时非空。 ## 使用示例 python from datasets import load_dataset # 加载数据集 ds = load_dataset("electricsheepeurope/europe-ilo-inj-fatl-eco-rt-fatal-occupational-injuries-per-100-000-workers-by") # 转换为Pandas DataFrame格式 df = ds["train"].to_pandas() # 打印前5条数据 print(df.head()) ### 筛选单一国家数据 python # 筛选德国数据 germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列可视化 python # 筛选单指标数据并按年份排序 sample = (df[df["indicator"] == "INJ_FATL_ECO_RT"] .sort_values("time")) # 绘制时间序列折线图 sample.plot(x="time", y="obs_value", title="INJ_FATL_ECO_RT") ### 转换为国家×年份透视矩阵 python # 转换为国家×年份的透视矩阵 matrix = (df[df["indicator"] == "INJ_FATL_ECO_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) # 打印最后5条数据 print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_inj_fatl_eco_rt_fatal_occupational_injuries_per_100_000_workers_by_2024, title = {Fatal occupational injuries per 100'000 workers by economic activity | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=INJ_FATL_ECO_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-inj-fatl-eco-rt-fatal-occupational-injuries-per-100-000-workers-by}} } ## 许可证 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可证发布。原始数据版权归国际劳工组织（ILO）所有。使用本数据集时，请同时引用上述原始来源及Electric Sheep Europe的重新封装版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台上的欧洲数据构建统一的、可直接用于机器学习的数据层。我们从权威开源数据源获取数据，对其进行schema标准化处理，封装为Parquet格式，并发布格式统一的数据集卡片，使研究人员和开发者仅需调用`load_dataset()`即可在数秒内开始使用数据。浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026-05-28通过Electric Sheep数据管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=INJ_FATL_ECO_RT_

搜集汇总

数据集介绍

构建方式

本数据集由Electric Sheep Europe团队从ILOSTAT REST API直接拉取原始数据，并筛选出欧洲35个国家的ISO3国家代码。ILOSTAT作为国际劳工组织（ILO）的核心统计数据库，依据国际劳工统计学家会议（ICLS）定义对各国调查微观数据进行统一协调处理，确保指标口径一致。最终数据集包含18,336条观测记录，覆盖1969年至2024年间的年度时间序列数据，每条记录均标注了数据来源（source.label），供使用者追溯原始数据采集渠道。

使用方法

用户可通过HuggingFace Datasets库以load_dataset()一行命令加载数据，并直接转换为pandas DataFrame进行操作。典型用法包括：按国家代码过滤特定国家的数据子集；对单个指标按时间排序以绘制时间序列趋势图；利用pivot_table将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或回归建模。数据集还提供了完整的模式说明和示例代码，降低使用门槛，适用于职业安全研究、劳动经济学分析及政策评估等场景。

背景与挑战

背景概述

职业伤害是劳动经济学与公共健康领域长期关注的核心议题，尤其致命性工伤事故不仅反映工作环境的安全性，更与劳动力市场的结构性特征紧密关联。在此背景下，国际劳工组织（ILO）统计部门依托其中央数据库ILOSTAT，系统整理了覆盖欧洲35个国家的致命性职业伤害数据，形成本数据集。该数据集由Electric Sheep Europe于2024年重新整理并发布于HuggingFace平台，包含1969年至2024年间18,336条观测记录，聚焦每10万名工人中因经济活动分类的致命伤害发生率指标（INJ_FATL_ECO_RT）。基于ILO对各国劳动调查与行政记录的统一规范化处理，该数据集为欧洲范围内跨时空比较职业安全绩效提供了权威且高颗粒度的数据基础，对劳动政策制定、国际基准对比及职业健康风险预警研究具有重要支撑作用。

当前挑战

该数据集面临多重挑战。首先，从领域问题层面，致命职业伤害率受各国经济结构、统计口径与报告制度差异影响显著，例如不同国家对“致命伤害”的定义范围、对非正规就业的覆盖程度以及小规模事故的漏报问题，导致跨国际比较中难以完全消除系统性偏差。其次，数据构建过程中，ILOSTAT需整合多种来源（如劳动力调查、行政档案），但原始数据在年度频率、分类标准（如经济活动类别）及观测状态标记（如“不可靠”标注）上存在不一致性，加之部分国家时间序列存在缺失或中断（如英国数据截至2018年），使得长期趋势分析需谨慎处理数据质量。此外，由于排放数据仅提供年度聚合值，缺乏更细分的月度或季度序列，限制了高频率动态监测的能力。

常用场景

经典使用场景

该数据集的核心价值在于为职业安全与健康领域提供标准化的跨国可比数据基础，最经典的用途是进行欧洲各国致命性职业伤害率的长期时序分析。研究者可调用`load_dataset()`快速加载18,336条观测记录，涵盖35个欧洲国家从1969年至2024年的年度数据，通过按国家筛选或按经济行业分类变量进行分组，构建面板数据结构以追踪伤害率变化轨迹。基于`pivot_table`将数据重塑为国家×年份矩阵后，可开展多国横向比较或单一国家的纵向趋势描绘，为宏观层面的职业风险演变提供量化支撑。

解决学术问题

该数据集精准解决了职业流行病学与劳动经济学中跨国职业伤害数据碎片化、口径不统一的核心痛点。ILOSTAT依据国际劳工统计学家会议定义进行数据协调，使研究者能够跨越不同国家调查体系与行政记录的差异，开展标准化的致死性职业伤害率比较研究。在学术层面，它助力检验经济发展水平、劳动保护法规强度、产业结构变迁与职业安全绩效之间的理论关系，为验证环境库兹涅茨曲线假说在职业安全领域的适用性、量化技术进步对工伤死亡率的抑制效应等命题提供了关键数据支撑，推动了劳动保护政策的循证决策。

实际应用

在实际应用层面，该数据集直接服务于欧洲各国劳动监察部门的风险预警系统与安全绩效评估。政府部门可依据历年数据识别高风险经济行业与地理区域，优化监管资源分配与专项整治重点。国际组织如ILO借助该数据集追踪可持续就业目标中关于减少职业伤害的进展指标，为成员国提供基准参照。企业安全管理者将其作为行业基准，评估自身安全管理水平与行业均值的差距，指导安全生产投资决策。保险与精算领域利用历史数据拟合风险模型，为工伤保险费率厘定和事故准备金计提提供经验依据。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲35国1969至2024年间每十万工人致命性职业伤害的经济活动维度分析，是国际劳工组织ILOSTAT权威统计体系的重要延伸。当前研究前沿已从单纯描述伤害率转向挖掘行业异质性、经济周期波动与工伤风险的深层关联，尤其关注建筑、采矿等高风险行业在自动化转型与绿色经济浪潮下的伤害谱变迁。伴随欧盟‘零愿景’安全战略及《职业安全与健康战略框架2021-2027》的推进，研究人员正利用此类长时序面板数据集，结合机器学习模型预测风险脆弱点，评估政策干预效果，并为跨国比较中的标准化暴露指标构建提供基准。该数据集的开放性与细粒度维度，为揭示劳动力市场安全治理的百年演进、推动体面劳动目标量化监测奠定了坚实的数据基石。