electricsheepeurope/europe-ilo-inj-fatl-eco-nb-cases-of-fatal-occupational-injury-by-economic-act

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的欧洲职业性致命伤害统计数据，具体指标为INJ_FATL_ECO_NB（按经济活动划分的职业性致命伤害案例）。数据集涵盖37个欧洲国家，时间跨度为1970年至2024年，共包含19,640个观察值。数据以表格形式组织，包括国家代码、年份、观察值、数据来源、指标分类等列，适用于表格分类、回归或时间序列预测任务。数据经过ILO根据国际劳工统计学家会议（ICLS）定义进行标准化处理，并包含数据质量说明，如年度频率、最佳来源选择等。This dataset contains occupational injuries data from the ILOSTAT database of the International Labour Organization (ILO), specifically the indicator INJ_FATL_ECO_NB (Cases of fatal occupational injury by economic activity). It covers 37 European countries from 1970 to 2024, with 19,640 observations. The data is structured in tabular format, including columns such as country code, year, observed value, data source, indicator classification, and is suitable for tabular classification, regression, or time-series forecasting tasks. The data is harmonized by ILO using International Conference of Labour Statisticians (ICLS) definitions and includes caveats on data quality, such as annual frequency and best-source selection.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）的ILOSTAT权威统计数据库，聚焦于欧洲地区因经济活动导致的致命职业伤害案例。数据通过ILOSTAT REST API直接获取，原始指标代码为INJ_FATL_ECO_NB，并依据欧洲ISO3国家代码进行地理筛选。ILOSTAT利用国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一协调，确保跨国可比性，数据来源在source.label字段中明确标注，便于溯源。最终整合为包含19640条观测值、覆盖37个欧洲国家、时间跨度从1970年至2024年的结构化表格数据集。

特点

该数据集的核心特点在于其高度结构化的多元分类体系。除基本的时间与数值变量外，还包含丰富的分类字段，如经济活动分类（classif1）、观测状态标识（obs_status）以及多层级注释信息（note_classif、note_indicator、note_source），为深入分析提供了背景细节。数据以年为单位发布，并采用ILO筛选的'最佳来源'处理同一国家与年份的多源冲突，保障数据质量。此外，数据集包含完整的国家标签与来源说明，便于研究者进行跨国家、跨时间维度的比较与追踪。

使用方法

研究者可通过HuggingFace Datasets库便捷加载数据，核心调用方法为load_dataset()，返回的数据集可直接转换为Pandas DataFrame进行探索性分析。典型操作包括：按国家代码过滤单一国家子集；针对特定指标（如INJ_FATL_ECO_NB）按时间排序以绘制时间序列图；或利用pivot_table将数据重塑为国家×年份矩阵，适合面板数据分析与回归建模。数据集适用于分类、回归及时间序列预测等任务，尤其适合劳动经济学与职业安全领域的实证研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）下设的ILOSTAT统计数据库于2024年整理发布，并由Electric Sheep Europe团队在HuggingFace平台上进行重新封装，专注于收录1970年至2024年间欧洲37个国家因经济活动导致的致命职业伤害案例，共计19640条观测记录。在国际劳工统计领域，职业伤害数据是衡量工作场所安全水平与劳动者权益保障的核心指标，其系统化收集与分析对于推动全球职业健康政策的制定具有不可替代的价值。ILOSTAT作为全球劳动统计的权威来源，通过整合各国劳动力调查、行政记录等多源异构数据，为跨国家、跨时期的职业伤害比较研究提供了统一框架。该数据集的发布使研究者得以深入探索欧洲范围内不同经济行业中致命伤害的分布特征与演化趋势，为相关领域的因果推断与风险评估奠定了坚实的数据基础。

当前挑战

在领域问题层面，该数据集所应对的核心挑战在于欧洲各国职业伤害统计口径不一、报告机制差异显著，导致跨国家比较时面临严重的可比性障碍，难以精准捕捉经济结构转型与安全生产政策调整对职业伤害的影响。在构建过程中所遭遇的挑战包括：ILOSTAT原始数据源于多类型调查与行政渠道，各来源在数据采集方式、定义标准及质量管控上存在差异，需要在保留源数据可追溯性的前提下进行严谨的清洗与整合；数据覆盖时间跨度长达54年，期间许多国家的经济分类体系与统计方法历经多次变更，导致历史序列的衔接与断裂处理极为复杂；此外，部分国家特定年份的观测值被标注为不可靠（unreliable），如何在充分利用可用信息的同时合理标识数据质量以支持稳健分析，亦是数据集构建中的关键难题。

常用场景

经典使用场景

在欧洲劳动安全与健康研究领域，该数据集为分析致命性职业伤害的时空分布特征提供了核心数据支撑。研究人员可将其用于构建面板数据模型，探究经济部门、国家制度与工伤死亡率之间的关联机制，或借助时间序列分析方法揭示欧洲各国职业安全治理效能的长期演变趋势。其丰富的年度观测值和覆盖37国的跨国维度，使其成为劳动经济学、公共卫生政策及可持续发展目标（SDG 8.8）评估中不可或缺的实证基础。

解决学术问题

该数据集有效解决了跨国职业伤害统计口径不一、数据碎片化的学术困境。通过ILOSTAT标准化处理后的数据，研究者得以规避原始调查中因定义差异、抽样偏差导致的比较障碍。它为验证‘预防性监管是否降低工伤死亡’等理论命题提供了可靠的量化证据，同时推动了关于经济结构转型（如制造业萎缩与服务业扩张）如何重塑职业风险景观的纵深讨论。其公开获取特性更促进了研究结果的复现与交叉验证。

衍生相关工作

基于该数据集衍生出一系列开创性工作：其一，催生了融合职位风险矩阵与宏观经济指标的‘职业安全韧性指数’构建方法论；其二，启发了利用机器学习预测特定经济部门工伤死亡率的时序模型，如结合GDP波动与自动化的GARCH改进框架；其三，被整合至欧盟‘健康与安全战略’的成效评估体系中，为ILO发布的《全球职业伤害趋势报告》提供欧洲维度的实证支柱，并成为若干博士论文探讨技术变革与工伤关联的核心数据来源。