electricsheepasia/asia-ilo-inj-fatl-eco-rt-fatal-occupational-injuries-per-100-000-workers-by

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的亚洲地区按经济活动划分的每10万名工人致命职业伤害统计数据。数据集涵盖27个亚洲国家，时间跨度为1969年至2024年，共包含5,734个观测值。数据指标为“INJ_FATL_ECO_RT”，即按经济活动划分的每10万名工人致命职业伤害率。数据集通过ILOSTAT REST API获取，并经过处理以仅包含亚洲国家数据，采用ILO的国际劳工统计学家会议（ICLS）定义进行标准化。数据模式包括国家代码、来源、指标、分类变量、年份、观测值及相关注释列，适用于表格分类、回归和时间序列预测等任务。数据以CC BY 4.0许可证发布，由Electric Sheep Asia重新打包，便于机器学习使用。This dataset contains statistics on fatal occupational injuries per 100,000 workers by economic activity in Asia, sourced from the International Labour Organization (ILO) ILOSTAT database. It covers 27 Asian countries from 1969 to 2024, with 5,734 observations. The indicator is INJ_FATL_ECO_RT, representing the rate of fatal occupational injuries per 100,000 workers by economic activity. Data is retrieved via the ILOSTAT REST API and filtered to Asian ISO3 country codes, harmonized using ILOs International Conference of Labour Statisticians (ICLS) definitions. The schema includes columns such as country code, source, indicator, classification variables, year, observed value, and related notes, making it suitable for tabular classification, regression, and time-series forecasting tasks. Released under the CC BY 4.0 license and repackaged by Electric Sheep Asia for machine learning readiness.

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，后者凭借对国际劳工统计学家会议定义的遵循，对各国劳动力调查、行政记录等原始微观数据进行标准化整合。数据集构建过程中，通过ILOSTAT REST API直接提取目标指标“INJ_FATL_ECO_RT”（按经济活动类型统计的每10万名工人致命职业伤害率），并利用亚洲ISO3国家代码进行地理范围过滤，最终形成包含5,734条观测值、覆盖27个亚洲国家、时间跨度为1969年至2024年的结构化数据。数据来源的详细信息在“source.label”列中予以标注，确保了可溯源性与透明性。

特点

本数据集的核心特色在于其精准性与时效性的高度融合。它不仅浓缩了半个多世纪以来亚洲地区职业安全领域的权威统计信息，还通过单一明确指标“每10万名工人致命职业伤害率”聚焦于工作环境中的极端风险，为比较不同经济活动类别下的安全绩效提供了量化基准。数据集的横向跨度涵盖从土耳其到日本等经济结构迥异的27个国家，纵向时间序列长达55年，使得研究者能够捕捉长期趋势与结构性变迁。此外，数据集保留了丰富的元数据列，如数据来源、分类变量及观测状态标志，极大便利了质量评估与多维度深入分析。

使用方法

使用者可通过Hugging Face Datasets库便捷调用，仅需一行Python代码 `from datasets import load_dataset; ds = load_dataset("electricsheepasia/asia-ilo-inj-fatl-eco-rt-fatal-occupational-injuries-per-100-000-workers-by")` 即可将数据加载至工作环境，并转换为Pandas DataFrame进行后续处理。针对特定分析场景，数据集支持灵活的子集操作：例如，可通过条件筛选提取特定国家（如印度尼西亚）的子集，或利用`sort_values`对单个指标进行时间序列的可视化。同时，通过`pivot_table`函数，用户可以轻松构建以年份为行、国家为列的数据透视矩阵，便于进行跨国比较或面板数据分析。

背景与挑战

背景概述

在全球劳工权益与工作安全日益受到关注的背景下，国际劳工组织（ILO）依托其核心统计数据库ILOSTAT，推出了亚洲地区每十万工人致命性职业伤害发生率数据集。该数据集由Electric Sheep Asia于2024年重新打包发布，覆盖了27个亚洲国家、时间跨度从1969年至2024年，共包含5,734条观测记录。研究聚焦于不同经济活动类别下致命职业伤害的分布规律，旨在揭示亚洲区域工业化进程中职业安全风险的演变特征。ILO作为发布机构，凭借其跨200余经济体的数据协调能力，确保了指标定义的统一性与跨国可比性。该数据集已成为劳动经济学、职业流行病学及可持续发展目标（SDG）评估领域的重要基础资源，为政策制定者与研究者提供了量化分析亚洲劳动保护水平的可靠工具。

当前挑战

该数据集所应对的核心领域挑战在于，亚洲各国因经济发展阶段、统计能力及数据采集标准差异，导致职业伤害统计长期存在严重的信息不对称与可比性困境。ILO通过ILOSTAT框架整合了各国劳动调查、行政记录等多源异构数据，但数据生成过程中仍面临诸多难题：其一，不同国家对致命性职业伤害的定义边界、统计口径（如是否纳入通勤途中的事故）存在分歧；其二，早期数据（如1969年）因记录制度不完善而存在大量估计值或缺失值，部分经济体的时间序列断裂明显；其三，数据来源标注（source.label）中混合了调查数据与行政记录，两种来源的可靠性不同需使用者谨慎甄别。此外，经济活动的分类演变（如行业代码修订）也增加了纵向比较的复杂性，研究者在分析时需充分关注这些局限。

常用场景

经典使用场景

在劳动经济学与职业安全研究领域，亚洲职业伤害致死率数据集（ILOSTAT）为学者提供了跨越1969年至2024年、覆盖27个亚洲国家的5,734条观察记录。研究者常将其用于构建死亡率趋势模型，通过经济部门分类剖析不同行业的风险差异，或利用时间序列数据评估政策干预对工伤致死率的影响。该数据集也广泛支撑面板数据分析，便于识别国家间职业安全水平的差异及其与经济发展阶段的关联，成为亚洲区域劳动保护研究的关键基准资源。

衍生相关工作

围绕该数据集已衍生出一系列经典工作：基于其时间序列特性的工伤致死率预测模型被广泛引用于劳动安全文献；结合ILOSTAT其他指标（如就业率、工资水平）构建的面板数据，催生了关于经济结构与职业风险关系的计量经济学研究；同时，其分类变量（如经济部门、数据来源）为机器学习驱动的异常检测提供了基准。值得注意的是，Electric Sheep Asia的标准化封装令研究者可借助HuggingFace的`load_dataset`直接调用，显著降低了复现与跨学科合作的编程门槛。

数据集最近研究

最新研究方向

在亚太地区快速工业化和经济结构转型的宏大背景下，国际劳工组织（ILO）依托ILOSTAT数据库构建的亚洲27国职业伤害致死率长期面板数据（1969-2024），正成为交叉学科研究的前沿锚点。该数据集通过标准化指标INJ_FATL_ECO_RT，精准刻画不同经济活动中每十万劳动者的致命事故发生率，为评估《2030年可持续发展议程》中体面劳动目标（SDG 8.8）的履约进展提供了可量化标尺。当前学界聚焦于运用时序因果推断模型，解析产业升级、人口迁移与职业安全治理效能之间的动态耦合关系，并借助该数据集的高颗粒度分类字段（如经济活动细分和统计源标注），揭示非正规经济部门与致命事故风险之间的隐蔽关联。此数据资产的开放共享，不仅赋能亚洲发展中国家开展职业伤害脆弱性预警系统的本土化构建，更推动跨国比较研究突破传统宏观归因框架，转向制度环境、劳工权益法案变迁与安全绩效的精准评估，为全球南方劳动安全治理范式的范式迁移注入数据驱动力。