信息速览
「死亡是每个国家都在记录、却几乎没有两个国家用同一种口径记录的事件。」人类死亡率数据库（Human Mortality Database，下称 HMD）就是为这句话建的。它由德国马克斯·普朗克人口研究所、美国加州大学伯克利分校人口学系与法国国家人口研究所三方共建，官方自述为「发达国家死亡率领域领先的科学数据资源」，做法是把各国统计局的出生数、死亡数、人口数收上来，用同一套方法协议重建成年龄×性别×年份的单一网格。
它给的不是死因，而是死亡本身：某一年、某个年龄、某个性别，死了多少人、暴露了多少人年、死亡率是多少、由此推得的生命表与预期寿命是多少。全库最早的一条序列来自瑞典，死亡数与暴露人口都自 1751 年起，出生数自 1749 年起；最近的一端到 2024 年，部分国家的人口规模已到 2025 年 1 月 1 日。全库共 41 个国别页面，对应 50 个可下载的 population 包——德国分东西、法国分全体与平民、新西兰分全体与毛利/非毛利、英国分五套，这些子人口各自成包。
它是免费的，但要注册；它是开放的，但只开放自己算出来的那一半。HMD 团队构造的暴露人口、死亡率与生命表按 CC BY 4.0 发布，各国统计局提供的输入数据仍归各国所有，不得商用、不得转发布。一屏速览见下表。
| 维度 | 内容 |
|---|---|
| 中文名 / 英文名 | 人类死亡率数据库 / Human Mortality Database（HMD） |
| 共建机构 | 马克斯·普朗克人口研究所（MPIDR）、加州大学伯克利分校人口学系、法国国家人口研究所（INED） |
| 起始年份 | 2000 年立项；数据序列最早回溯至 1751 年（瑞典） |
| 覆盖范围 | 41 个国家与地区，50 个可下载 population 包 |
| 时间跨度 | 因国而异，瑞典 1751–2024 最长；多数欧洲国家 19 世纪中至 2024 |
| 最小记录单元 | 国家（population）× 年龄（单岁 0–109，110+）× 年份 × 性别 |
| 年龄上限处理 | 110 岁为开放区间，110+ 合并为一格 |
| 核心统计量 | 死亡数、暴露人口、人口规模、出生数、年龄别死亡率、标准化死亡率、生命表、出生预期寿命 |
| 网格切法 | 1×1、1×5、1×10、5×1、5×5、5×10 六种，另有 Lexis 三角文件 |
| 文件格式 | 制表符分隔的 ASCII 文本（.txt）；输入库为逗号分隔 |
| 子库 | STMF（周死亡数，38 个人口单位）、HCD（固定死因列表，18 国） |
| 获取方式 | 官网注册后下载；按统计量打包、按国别打包两条路径 |
| 许可 | 构造估计值 CC BY 4.0；输入数据不可商用、不可转发布 |
| 更新节奏 | 按日期打版本，2026 年 2–8 月发布 8 个版本，每版带独立 DOI |
| 一句话定位 | 全世界唯一一套把「各年龄死多少、活多久」对齐到可直接算生命表的跨国长序列 |
§1 它要解决的具体麻烦
1.1 各国都在记死亡，但没有两国记法相同
人口学研究里最反直觉的一件事是：死亡登记的历史比统计学本身还长，可比性却比任何临床指标都差。同一个「死亡率」，在瑞典是教区簿记里逐日登记的死亡人数除以年末人口，在俄国是户籍册上的死亡登记除以估算人口，在日本是户籍与住民票两套系统交叉核对后的结果。年龄的分组方式不同（单岁、五岁一组、0 岁与 1–4 岁合并），死亡发生的时间点不同（登记日还是发生日），人口的分母不同（常住人口、法定人口、平民人口、去军事化人口），统计的边界也不同（是否含死胎、是否含境外死亡的本国公民）。
HMD 的存在理由就是把这一步一次性做掉。它不生产原始数据——原始数据永远在各国统计局手里；它生产的是一套重述：把各国的原始件按统一协议拆解、补齐、对齐，输出成同一套行列结构。你在自己的代码里读到的每一个数字，背后都对应着协议里的一条规则；规则的例外，写在每个国家那份几十页的说明 PDF 里。
这个定位决定了它的边界。它不是死亡登记库，所以不告诉你死因；它不是抽样调查，所以没有个体属性；它是分母与分子的对齐工程，所以当一国的原始登记本身不可靠时，它能做的只是标注警示，而不是变出数据。
1.2 三条常见的错误期待
第一条，期待它覆盖全球。它的官方措辞是「发达国家死亡率」，41 个国别页面里，欧洲占了大半，加上北美两国、澳新、日本、韩国、香港、台湾、智利、以色列。撒哈拉以南非洲、南亚、东南亚大部、拉美大部都不在其中。想算全球疾病负担，它给不了你要的国家，硬用会造成系统性缺口。
第二条，期待它给死因。HMD 主库只有全因死亡。死因在 HCD 子库里，覆盖 18 个国家，且是按固定列表重建的版本——把 ICD-8、ICD-9、ICD-10 的不同编码映射到一套不变的分类上，才能跨年份比较。没做过这层映射的人，直接拿各国原始死因表拼时间序列，会在 ICD 改版的年份看到假的跳变。
第三条，期待它是个下载即用的干净 CSV。它的文件是定宽文本、带两行表头、缺失用点号表示、年龄列写「110+」、年份列在领土变更年份会写「1914-」和「1914+」。第一次读进来如果不去处理这些，pandas 会把整列判成字符串，后续所有计算静默出错。
1.3 它能给到的与给不到的
| 你的需求 | 它给的 | 够不够 |
|---|---|---|
| 某国某年各年龄的死亡率 | 单岁 0–109 加 110+ 的 mx，六种网格任选 | 够，且是官方平滑后的版本 |
| 自己算生命表与预期寿命 | mx、qx、ax、lx、dx、Lx、Tx、ex 全套已算好，也可拿 mx 自己重算 | 够，两条路都给 |
| 按出生年看一代人的死亡经历 | 世代表（cohort），但要求该队列已连续观测满 30 年 | 部分够，末端队列大量留空 |
| 比较两国婴儿死亡率的历史 | 统一口径的出生数与婴儿死亡数 | 够，但早期段有质量警示 |
| 死因结构与死因别死亡率 | 主库没有；HCD 子库有 18 国，且是重建版 | 部分够，国家数骤减 |
| 周级别的超额死亡监测 | STMF 子库，38 个人口单位 | 够，但另一套口径 |
| 个体级死亡记录 | 无 | 不够，且不可能有 |
| 亚国家（省、市）死亡率 | 无；只有少数国家在包内拆了子人口 | 不够，需转亚国家库 |
| 全球南方国家的死亡水平 | 无 | 不够，须转 WHO GHO 或联合国人口展望 |
| 医疗干预、病程、合并症 | 无 | 不够，这是聚合死亡库的天然边界 |
1.4 你的处境与它能帮到的事
| 你的处境 | 它能帮你什么 | 下一步该做什么 |
|---|---|---|
| 要给一个跨国的生存分析模型找基线风险 | 直接给 41 国的年龄别死亡率曲线，按年取用 | 先定年龄网格（1×1 还是 5×1），再按人口代码批量取 Mx |
| 要评估某国某年的超额死亡 | 年度序列可做年均基线，STMF 可做周基线 | 年度用主库，周用 STMF，两者不要混在同一条序列里 |
| 要做养老金或寿险的精算假设 | 周期生命表加出生预期寿命，可直接用于定价 | 注意周期表与世代表的差别，定价通常用周期表 |
| 要把死亡率当协变量接进影像或电子病历模型 | 国家×年龄×年份的一列数值，键值干净 | 按受试者的国家、年龄、年份做左连接，注意年份缺口 |
| 要研究 19 世纪的人口转变 | 瑞典、丹麦、法国、意大利等有长序列 | 先读该国那份 background PDF，确认早期段能否用 |
| 要做死因结构的时间序列 | HCD 的固定列表可跨 ICD 改版比较 | 只用重建序列，别与原始分类序列混拼 |
| 要给论文补一张各国预期寿命对比图 | 官方另有四张汇总表，直接是整理好的指标 | 用汇总表比自己拼快，但要注意它滞后于主库 |
| 要复现某篇论文的死亡率数字 | 每版带 DOI，可精确回溯到某一日的快照 | 记下 DOI 里的日期串，按该日期重下 |
1.5 一句话判断
如果你的问题里有年龄、性别、年份、国家这四个维度，且不涉及死因，HMD 基本是默认答案；只要缺其中任何一个，或者要问「死于什么」，它就不是。
1.6 不适合谁：四条边界
第一条，做全球健康估计的人不适合把它当主数据源。41 个国家里没有一个人口大国在非洲，印度也不在。用它做全球汇总，等于用欧洲的曲线去外推七十亿人。
第二条，做死因分析的人不适合只拿主库。主库的全因死亡是一个总数，任何「心血管占多少」「癌症占多少」的问题都必须转 HCD，而 HCD 只有 18 国，重建序列的起点普遍在 1950 年代之后。
第三条，做个体风险预测的人不适合把它当标签源。它没有个体记录，也没有任何协变量，你能用它做的只有按国家年龄年份取一个基线率，剩下的个体差异必须靠别的数据。
第四条，要求最新一年数据即可用的人不适合在发布当月取数。主库末端年份各国不一，最新一年常是暂定值，下一版会修订；把暂定值写进已发表的表里，等于给未来的自己埋一个不可复现的坑。
§2 数据构成与规格
2.1 三层结构：输入库、完整序列、派生指标
HMD 的数据不是一个平面，而是三层叠起来的。最底层是输入库（Input Data），放的是各国统计局给的原始件：出生数、死亡数、人口数，加上领土调整因子；每个 population 另配四份 PDF——背景与说明、逐点注释、数据来源、参考文献与编码对照。中间层是完整序列（Complete Data Series），是 HMD 用方法协议从输入库算出来的成品：出生数、死亡数、1 月 1 日人口规模、暴露人口（周期与世代）、死亡率（周期与世代）、生命表（周期与世代）。最上层是派生指标，官方单独做了四张汇总表——婴儿死亡率、活到 65 岁的概率、出生预期寿命、人口与暴露——给只要速览数字的人用。
| 层 | 内容 | 谁改得动 | 出问题时的表现 |
|---|---|---|---|
| 输入库 | 出生数、死亡数、人口数、领土调整因子、四份 PDF | 只有各国统计局 | 原始登记漏报，HMD 只能标注，无法补出人 |
| 完整序列 | 暴露人口、死亡率、标准化死亡率、生命表 | HMD 团队 | 协议改版时整条序列会整体平移 |
| 派生指标 | 婴儿死亡率、活到 65 岁概率、出生预期寿命、人口 | HMD 团队 | 更新滞后于主库，个别国家缺行 |
| 子库 STMF | 按周、按年龄组的死亡数 | HMD 团队 | 覆盖人口单位少，末端周不完整 |
| 子库 HCD | 固定列表的死因别死亡数与死亡率 | HMD 团队 | 只有 18 国，重建序列起点晚 |
2.2 字段与记录的完整字典
下表按文件族给出主要字段。完整序列文件普遍是两行表头：第一行写统计量与性别，第二行写单位或注释；数据从第三行起，制表符分隔。输入库则是逗号分隔、表头单行、字段名全大写。
| 文件族 | 主键字段 | 数值字段 | 类型 | 取值与单位 | 常见陷阱 |
|---|---|---|---|---|---|
| Births.txt | Year | Female、Male、Total | 数值 | 活产数，人 | 部分年份是估计值，出现小数 |
| Deaths_1x1.txt | Year、Age | Female、Male、Total | 数值 | 死亡数，人 | 早期年份为拆分估计，非整数 |
| Deaths_lexis.txt | Year、Age、Cohort | Female、Male、Total | 数值 | 死亡数，人 | 三角内出生年相邻，聚合时易重复计数 |
| Exposures_1x1.txt | Year、Age | Female、Male、Total | 数值 | 人年 | 与人口规模不是一回事，不能互相替代 |
| Population.txt | Year、Age | Female、Male、Total | 数值 | 每年 1 月 1 日的存量人数 | 领土变更年出现「1914-」「1914+」两行 |
| Mx_1x1.txt | Year、Age | Female、Male、Total | 数值 | 年龄别死亡率，无量纲 | 值可以大于 1，不是概率 |
| sdr_5x1.txt | Year、Age | Female、Male、Total | 数值 | fltper_1x1.txt | Year、Age |
| cMx_1x1.txt | Cohort、Age | Female、Male、Total | 数值 | 世代死亡率 | 主键是出生年，不是日历年 |
| E0per.txt | Year | Female、Male、Total | 数值 | 出生预期寿命，年 | 单年值，不含置信区间 |
| 输入库 birth.txt | Year、Month、Day | Count | 整数 | 原始出生登记 | 月份列可空，需按年汇总后再用 |
| 输入库 death.txt | Year、Month、Day、Age | Count | 整数 | 原始死亡登记 | 年龄编码与完整序列不同，需查对照表 |
| 输入库 pop.txt | Year、Age | Count | 整数 | 原始人口数 | 普查年与估计年混排 |
2.3 一条记录的完整解剖
拿瑞典 2024 年 70 岁女性这一格来看。README 里说的「一行」，指的是某个文件里由年龄与年份定位的那一行，但真正的最小记录单元是那一行里的三个性别列之一，再加上文件本身携带的 population 与统计量语义。
Deaths_1x1.txt 的开头（制表符分隔，两行表头）：
Year Age Female Male Total
Deaths Deaths Deaths
1751 0 4635.4 5102.7 9738.1
1751 1 1798.3 1979.0 3777.3
1751 110+ 0.0 0.0 0.0
Exposures_1x1.txt 的同位置：
1751 0 24390.6 25417.3 49807.9
Mx_1x1.txt 的同位置（= 死亡数 ÷ 暴露人口）：
1751 0 0.190049 0.200755 0.195527
fltper_1x1.txt 的一行（女性周期生命表，八列）：
2024 70 0.013755 0.013661 0.480259 94988.12 1297.94 94358.36 1753936.4 18.464
这条链解释了为什么 HMD 不能「只下一个文件」。只下 Mx 就丢了分母，只下生命表就丢了可复算性，只下死亡数就什么都算不了。要么按统计量把六个文件都拉下来，要么按国别把整个包拉下来。
#-- 读一个文件并确认三件事：表头、缺失编码、年龄列类型
import pandas as pd
def read_hmd(path, value_name="Total"):
#-- 前两行是表头与单位，跳过；"." 是缺失
df = pd.read_csv(path, sep=r"\s+", skiprows=2, na_values=".")
df.columns = [c.strip() for c in df.columns]
#-- 年龄列含 "110+"，统一转成整数 110 并打上开放区间标记
df["Age"] = df["Age"].astype(str).str.replace("+", "", regex=False)
df["Age"] = pd.to_numeric(df["Age"], errors="coerce").astype("Int64")
df["Year"] = df["Year"].astype(str).str.rstrip("-+")
df["Year"] = pd.to_numeric(df["Year"], errors="coerce").astype("Int64")
return df[["Year", "Age", value_name]].rename(columns={value_name: "value"})
#-- 用法：分母与分子各读一次，按 (Year, Age) 对齐后相除
deaths = read_hmd("SWE/STATS/Deaths_1x1.txt", "Female")
expos = read_hmd("SWE/STATS/Exposures_1x1.txt", "Female")
mx = deaths.merge(expos, on=["Year", "Age"], suffixes=("_d", "_e"))
mx["mx_recomputed"] = mx["value_d"] / mx["value_e"]
print(mx.tail(8))
2.4 六种年龄×时间的切法
死亡数与暴露人口可以按年龄与时间的粒度切六种网格，命名规则是「年龄粒度×时间粒度」。这不是六份不同的数据，是同一份数据被重新聚合了六次：1×1 最细，5×10 最粗。选哪一种取决于你要做的分析，而不是哪一种更「全」。
| 网格 | 年龄粒度 | 时间粒度 | 典型用途 | 代价 |
|---|---|---|---|---|
| 1×1 | 单岁 | 单年 | 精细建模、生命表复算、机器学习特征 | 文件最大，早期年份含大量拆分估计 |
| 1×5 | 单岁 | 五年 | 平滑随机波动、跨十年比较 | 边界年归属需明确 |
| 1×10 | 单岁 | 十年 | 长期趋势、世纪尺度对比 | 小国的高龄段信息被抹平 |
| 5×1 | 五岁组 | 单年 | 面板回归、跨国年度比较 | 0 岁与 1–4 岁合并后婴儿死亡率失真 |
| 5×5 | 五岁组 | 五年 | 与多数国际统计口径直接对齐 | 无法重建单岁结构 |
| 5×10 | 五岁组 | 十年 | 历史人口转变的长周期分析 | 粒度最粗，仅适合宏观 |
另有一份 Lexis 三角文件，它的行主键是年龄、年份与出生队列三者，等于把每个「年龄×年份」的方格沿对角线切成上下两个三角。这个切法的意义在于：同一个年龄格里，年初出生的人和年末出生的人，经历的日历事件（比如某年冬天的流感）并不相同。要做世代分析、要正确估计某一年份的年龄别死亡率在队列维度上的归属，就必须用三角数据。反过来，如果你只做年度横截面，三角数据是多余的一层。
2.5 与同类资源的字段差异
| 资源 | 最小单元 | 有没有分母 | 有没有生命表 | 死因 | 最深回溯 |
|---|---|---|---|---|---|
| HMD | 国家×年龄×年份×性别 | 有，暴露人年 | 有，周期与世代 | 仅 HCD 子库 18 国 | 1751 |
| WHO 死亡数据库 | 国家×年份×年龄×性别×ICD 死因 | 多数国家无 | 无 | 有，按 ICD 原版 | 1950 年代 |
| 世界银行开放数据 | 国家×年份×指标 | 无 | 无 | 无 | 1960 |
| OECD 健康统计 | 国家×年份×指标 | 部分指标有 | 无 | 有，按 OECD 口径 | 1960 |
| 联合国人口展望 | 国家×年份×五岁组 | 有，但为模型估计 | 有，为模型生命表 | 无 | 1950（含预测） |
| GBD 结果库 | 国家×年份×年龄×性别×死因 | 有，为模型估计 | 有 | 有，按 GBD 列表 | 1990 |
差别最大的一列是有没有分母。WHO 死亡数据库给的是死亡数，多数国家不配套暴露人口，因此你拿到的是分子；要算率，得另找分母，而分母的来源与分子的来源往往不是同一套口径。HMD 的全部设计都围绕一件事：让分子与分母在同一条规则下生成。这一个设计选择，决定了它只有 41 个国家，也决定了它在这 41 个国家里几乎无可替代。
§3 核心层 A：定位——它统计的是死亡本身，不是死因
3.1 一个反直觉的取舍：把死因全部丢掉
任何第一次打开 HMD 的人都会愣一下：这么大一个数据库，居然没有死因。四十一国、两百七十余年、单岁年龄、分性别，却连一个 ICD 编码都找不到。这不是遗漏，是设计上的第一取舍。
理由在于可加性。全因死亡是一个可以相加的量：把各年龄的死亡数加起来，等于总死亡数；把各国加起来，等于一个区域的总死亡数（前提是分母也对齐）。死因不是这样的量。同一个人在死亡证明上只能填一个根本死因，各国的填报规则不同、编码版本不同、甚至同一份证明在不同年份会被归到不同类别。世卫组织的死亡数据库保留各国原始编码，因此可以问「某国某年缺血性心脏病死了多少」，但很难直接问「过去七十年里，这个国家的死因结构怎么变的」，因为 ICD 改版会在序列上留下台阶。
HMD 的选择是：把不可加的那一维砍掉，把可加的那一维做到极致。砍掉死因之后，剩下的工作全部围绕两件事——准确计数死亡，准确估计暴露。做到极致之后，它就变成了唯一一套可以直接算生命表的跨国长序列。要死因的人去 HCD，要全球覆盖的人去别处，它不为这两类需求做妥协。
3.2 41 个国别页面，50 个 population 包
官网首页列出的国别页是 41 个。但下载页面上按国别打包的 zip 是 50 个。差的九个不是新国家，是同一个国家内部的子人口：德国分全体、东德、西德三包；法国分全体与平民人口两包；新西兰分全体、毛利、非毛利三包；英国分全体、英格兰与威尔士全体、英格兰与威尔士平民、苏格兰、北爱尔兰五包。四国相加，比按国家计数多出九个包。
| 区域 | 国家与地区（人口代码） | 该组的结构特点 |
|---|---|---|
| 西欧与南欧 | 意大利 ITA、西班牙 ESP、葡萄牙 PRT、希腊 GRC、法国 FRATNP / FRACNP、比利时 BEL、荷兰 NLD、卢森堡 LUX、瑞士 CHE、奥地利 AUT、爱尔兰 IRL | 法国拆全体与平民两包，平民序列在战争年份与全体差异明显 |
| 北欧 | 瑞典 SWE、丹麦 DNK、挪威 NOR、芬兰 FIN、冰岛 ISL | 登记最连续的一组，瑞典与丹麦的序列可上溯至 18 世纪 |
| 中欧与东欧 | 德国 DEUTNP / DEUTE / DEUTW、波兰 POL、捷克 CZE、斯洛伐克 SVK、匈牙利 HUN、斯洛文尼亚 SVN、克罗地亚 HRV、保加利亚 BGR | 德国拆三包；战后边界变动与社会主义时期登记口径是主要断点 |
| 前苏联与波罗的海 | 俄罗斯 RUS、白俄罗斯 BLR、乌克兰 UKR、立陶宛 LTU、拉脱维亚 LVA、爱沙尼亚 EST | 1991 年前后的统计体系切换，是这一组最需要读说明的地方 |
| 英语圈 | 美国 USA、加拿大 CAN、澳大利亚 AUS、新西兰 NZL_NP / NZL_MA / NZL_NM、英国 GBR_NP / GBRTENW / GBRCENW / GBR_SCO / GBR_NIR | 英国拆五包，英格兰与威尔士另有平民序列 |
| 东亚 | 日本 JPN、韩国 KOR、香港 HKG、台湾 TWN | 登记完整度高，但可用起点普遍晚于欧洲 |
| 其他 | 智利 CHL、以色列 ISR | 拉美与中东各只有一个人口单位，外推需谨慎 |
这份名单最该记住的不是国家数，而是它的偏向：欧洲中心、英语圈次之、东亚三点、拉美与中东各一点、非洲为零。任何以 HMD 为基础的跨国结论，事实上都以「今日的发达经济体」为总体，而不是「人类」。
3.3 时间深度不是一条线，是一把参差的梳子
「HMD 覆盖 1751 年至今」这句话容易造成误解，仿佛所有国家都从 1751 年开始。事实是每个国家的起点各不相同，且同一个国家的不同统计量起点也不同。瑞典的死亡数与暴露人口都从 1751 年起，出生数从 1749 年起，人口规模到 2025 年 1 月 1 日；而韩国的可用序列大体从 20 世纪后半段才开始，香港、台湾、智利的起点更晚。
| 国家与地区 | 死亡序列起点 | 说明 |
|---|---|---|
| 瑞典 | 1751 | 全库最长，出生数自 1749 年起 |
| 丹麦 | 1835 | 北欧第二个长序列 |
| 法国 | 1816 | 另有平民人口序列 |
| 意大利 | 1872 | 统一后才有全国口径 |
| 日本 | 1947 | 战后人口普查体系建立之后 |
| 美国 | 1933 | 进入出生死亡登记完整区之后 |
| 韩国 | 20 世纪后半段 | 与户籍电子化进程相关 |
| 俄罗斯 | 1959 | 苏联时期统计体系 |
| 香港、台湾、智利 | 20 世纪后半段 | 起点晚，但登记质量高 |
3.4 两级可信度：输入是别人报的，估计是自己算的
HMD 内部有一条明确的责任分界。输入库里的数字，责任在各国统计局；HMD 只保证「如实转录」并配上来源文件。完整序列里的数字，责任在 HMD；它由方法协议生成，协议改版时整条序列会变。
| 判断对象 | 责任方 | 出错的典型形态 | 应对 |
|---|---|---|---|
| 输入库死亡数 | 各国统计局 | 某年漏报、某年只覆盖部分人口 | 读该国注释，必要时剔除该年 |
| 输入库人口数 | 各国统计局 | 普查间隔长、战时估算粗糙 | 看是否有领土调整因子 |
| 子人口 | subpopulation | 同一国家内按地域或身份拆出的人口，单独成包 | |
| 标准化死亡率 | age-standardized death rate | 消除年龄结构影响后的死亡率，用于跨人群比较 | |
| 出生队列 | birth cohort | 同一年出生的一批人，世代数据的主键 | |
| 暴露人口 | HMD | 出生日分布假设与真实不符 | 高龄段与婴儿段最敏感 |
| 年龄别死亡率 | HMD | 分母过小导致率失真 | 高龄段看官方是否已平滑 |
| 生命表 | HMD | 高龄 qx 依赖平滑外推 | 80 岁以上不要当观测值用 |
| 世代表 | HMD | 末端队列不完整 | 只用已闭合的队列 |
§4 核心层 B：质量——一套协议如何把各国的脏数据洗干净
4.1 六步法：从统计局的原件到一张生命表
方法协议把建库过程拆成固定的六步，每一步的输入输出都写死。这六步不是六个工序，而是六个必须按顺序解决的口径问题；任何一步的假设变了，后面全部要重算。
| 步骤 | 做什么 | 关键假设 | 出错后果 |
|---|---|---|---|
| 一、收集出生数 | 按年、按月收集活产登记 | 活产定义与联合国口径一致 | 婴儿死亡率的分母偏移 |
| 二、整理死亡数 | 按性别、单岁年龄、出生年归位 | 死亡发生年优先于登记年 | 年末死亡被推到下一年 |
| 三、估计人口规模 | 以普查为锚，内插出每年 1 月 1 日人口 | 普查间的人口变化可由出生死亡净迁移解释 | 战争与移民潮年份偏差最大 |
| 四、计算暴露人口 | 由相邻年初人口与当年死亡合成人年 | 生日在年内均匀分布 | 婴儿段与高龄段失真 |
| 五、算年龄别死亡率 | 死亡数除以暴露人口 | 分子分母覆盖同一人群 | 率可以大于 1 |
| 六、生成生命表 | 由 mx 转 qx，再推 lx、dx、Lx、Tx、ex | 高龄段 mx 需平滑 | 高龄预期寿命被系统性高估 |
第三步是整套方法里最吃技巧的一步。两次普查之间的人口不是线性的：出生与死亡在一年内不均匀，移民可能集中在某几个月，战争可能让整段登记消失。协议给出的做法是分段使用不同技术——普查间隔内用存活比法从上一次普查推下一次，间隔外用出生死亡平衡法，边界年做特殊处理。这些技术在协议里有页码，但每个国家在实施时的取舍写在各自的 background PDF 里。
4.2 三处必须做的修正
第一处是生日分布。暴露人口不是「年初人口加年末人口除以二」这么简单。一个人在年内活过的时长，取决于他的生日在年内的位置；如果假设所有人生日都在 1 月 1 日，婴儿段的暴露会被系统性高估，因为当年出生的婴儿实际只暴露了几个月。协议用出生数的月度分布来修正这一点，这也是为什么输入库里有一份按月的出生文件。
第二处是死亡时点。死亡登记年与死亡发生年常常不一致，年末死亡被推到次年登记是普遍现象。协议统一按发生年归位，不与登记年混用。跨年度的流感季、热浪这类事件，如果按登记年统计，峰值会被抹平并后移。
第三处是领土变更。国界变过的地方，同一年的「人口」可以有两个值：变更前的旧边界与变更后的新边界。协议的处理是在年份后加后缀——带减号的指变更前的领土，带加号的指变更后的领土，两套估计都给。用法国的 1914 年举例，1914- 覆盖的是 1913 年底的旧领土，1914+ 则按 1914 年 1 月 1 日的边界计算。直接按年份去重会把其中一套丢掉，导致该年前后出现人口断崖。
4.3 高龄段：80 岁以上的数字是平滑出来的
协议规定：周期生命表里，从 80 岁起拟合一条 logistic 曲线，但只在死亡数降到百人以下的最低年龄（限定在 80 至 95 岁之间）之后，才用拟合值替换观测值；世代表不做平滑，概率直接由数据算。
理由很实在。到了 90 岁以上，每年死亡人数可能只有几十人，暴露人口也很小，观测到的率会剧烈跳动；某些年龄甚至出现死亡数大于暴露人口（率大于 1），或暴露为零（率无定义）的情况。这些数直接代进生命表公式，会算出负的存活人数或无穷大的预期寿命。平滑的作用是把这些病态值拉回可用范围，代价是这一段含模型成分，只能当模型值用。
4.4 案例：瑞典 1751——一条跑了 274 年的连续序列
瑞典是这个库的样板，也是理解 HMD 全部设计意图的最佳入口。在瑞典的国别页面上，死亡数与暴露人口的可用年份都是 1751–2024，死亡数的 Lexis 三角版本同样是 1751–2024，人口规模到 2025 年 1 月 1 日，出生数从 1749 年起。生命周期表覆盖 1751–2024，分女、男、合计三套；世代暴露人口覆盖 1676–1994，世代生命表覆盖 1751–1933。
这组年份值得逐个读。死亡数从 1751 年开始，意味着这条序列经历了两次霍乱大流行、1867–1868 年的北欧饥荒、1918 年流感、两次世界大战、1970 年代的心血管病高峰，以及 2020 年的新冠。它没有断过。世代暴露从 1676 年开始，意味着最早的一批出生队列在 1751 年时已七十五岁，他们七十六岁以后的死亡经历可以被观察到；这正是官方那条规则的由来——一个队列要连续观测满三十年才给世代率。世代生命表只到 1933 年，是因为更晚出生的队列还没有全部死亡，给不出完整的世代表。
官方在页面顶部放了一句警示：1751–1860 年的数据质量低于其后年份，使用需谨慎。之所以质量低，是因为那个年代的死亡登记来自教区簿记，覆盖的是教区人口而非现代意义上的国家人口，年龄申报存在明显的堆积（把年龄报到整十），婴儿死亡的漏报也更严重。这段数据可以用来观察长期趋势与量级，不适合用来做精细的年龄别建模。
§4.4 的案例还有一层方法学意义：它示范了「什么是好序列」。一条好序列不是起点早，而是起点早且断点少、口径变更有记录、异常年份有注释。瑞典三者俱全，所以它成了所有跨国死亡率研究的事实基准——任何新方法在别的国家跑出反直觉结果时，第一步都是拿到瑞典上试一遍，看是不是方法本身的问题。
§5 核心层 C：取数——三道门与五段代码
5.1 三条取数路径，各有各的适用面
官网给了三条路。第一条是浏览器点单：国别页面上一格一格的下载链接，适合只要一两个文件的人。第二条是按统计量打包：把同一种统计量在所有国家的文件打成一个 zip，适合要横向比较四十国的人。第三条是按国别打包：把一国所有文件打成一个 zip，适合做单国纵深研究的人。
| 路径 | 入口 | 体积量级 | 适合谁 | 代价 |
|---|---|---|---|---|
| 国别页面单选 | 各国 Country 页 | 单文件几十 KB 到几 MB | 只要一两个统计量 | 点几十次，无法脚本化 |
| 按统计量 | Zipped Data Files 页 | 出生数最轻，暴露人口最重 | 跨国横截面研究 | 只含完整序列，不含输入库 |
| 按国别 | 同上，By country 段 | 单国几 MB，全库数百 MB | 单国纵深、要输入库 | 一次拿一堆用不上的文件 |
| 全库单包 | All HMD countries | 统计量版约一百八十余 MB，国别版约三百六十 MB | 要建镜像或做全量分析 | 下载时间长，且需登录 |
| 汇总表 | 首页四张 xlsx | 每张不到一 MB | 只想要指标图 | 粒度粗，滞后于主库 |
5.2 第一道门：注册墙
下载地址不是公开的。直接请求任意一个 zip，服务器会以 302 跳到登录页。这一点用一条命令就能确认。
#-- 直接请求 zip，观察状态码与跳转目标
curl -sSL -o /dev/null -w '%{http_code} %{url_effective}\n' \
'https://www.mortality.org/File/GetDocument/hmd.v6/zip/by_country/SWE.zip'
#-- 预期输出：200 https://www.mortality.org/Account/Login
#-- 也就是说拿到的是登录页，不是 zip
正确做法是先在浏览器里注册并登录，再从浏览器导出 Cookie，交给脚本复用。注册是免费的，不需要机构邮箱，也没有审批流程。但要注意：账号是给人用的，批量爬取会触发限制，也不符合官方在用户协议里的请求——它明确希望使用者把链接转给同行，而不是转发数据副本。
#-- 复用浏览器会话下载单个 population 包
import requests
#-- 从浏览器开发者工具里复制 Cookie 头，整串贴进来
COOKIE = "ASP.NET_SessionId=replace_with_the_value_from_your_browser"
s = requests.Session()
s.headers.update({"User-Agent": "Mozilla/5.0", "Cookie": COOKIE})
url = "https://www.mortality.org/File/GetDocument/hmd.v6/zip/by_country/SWE.zip"
r = s.get(url, timeout=120, allow_redirects=True)
#-- 若被踢回登录页，响应会是 HTML 而不是 zip，必须先判断再落盘
assert r.headers.get("Content-Type", "").startswith("application/zip"), "会话失效，重新导出 Cookie"
open("SWE.zip", "wb").write(r.content)
print(len(r.content), "bytes written")
判断是否真的拿到了数据，靠 Content-Type 与文件头两个信号。拿到 zip 时前两个字节是 PK；拿到登录页时开头是 HTML。这条断言能挡掉绝大多数静默失败——最坏的情况是把登录页存成 zip，后面解压时才报错，而错误信息指向解压器，不指向会话。
5.3 第二道门：文件结构
解开一个国别包，目录按统计量与输入库两分。STATS 下是完整序列的文本文件，InputDB 下是原始件与四份 PDF。
#-- 先看清结构再动手，避免把 InputDB 当 STATS 读
unzip -l SWE.zip | head -40
#-- 典型结构：
#-- SWE/STATS/Deaths_1x1.txt
#-- SWE/STATS/Exposures_1x1.txt
#-- SWE/STATS/Mx_1x1.txt
#-- SWE/STATS/fltper_1x1.txt
#-- SWE/STATS/Deaths_lexis.txt
#-- SWE/InputDB/SWEdeath.txt
#-- SWE/InputDB/SWEcom.pdf
unzip -q SWE.zip -d hmd_sweden
ls hmd_sweden/SWE/STATS | sort
文件名有一套固定的构词法。前缀 flt、mlt、blt 分别指女性、男性、合计的生命表；后缀 per 指周期、coh 指世代；中间的 1x1、1x5、5x1 是网格。记不住这套构词法的人，会在几十个文件里靠猜；记住之后，文件名本身就是元数据。
5.4 第三道门：从率到生命表
官方已经把生命表算好了，但自己算一遍有它的价值：可以验证读进来的数对不对，也可以在需要非标准网格（比如自定义年龄分组）时自己生成。
#-- 由 mx 生成周期生命表：核心只有三行公式
import numpy as np
import pandas as pd
def period_life_table(mx: pd.Series, ax: float = 0.5) -> pd.DataFrame:
mx = mx.astype(float).to_numpy()
n = np.ones_like(mx)
n[-1] = np.inf #-- 最后一格是 110+ 开放区间
qx = 1.0 - np.exp(-n * mx) #-- 由中心死亡率转死亡概率
qx[-1] = 1.0 #-- 开放区间内必定死亡
lx = np.zeros_like(mx)
lx[0] = 100000.0 #-- 生命表基数
for i in range(1, len(mx)):
lx[i] = lx[i - 1] * (1.0 - qx[i - 1])
dx = lx * qx
Lx = np.where(np.isinf(n), lx / np.maximum(mx, 1e-12), n * (lx - (1.0 - ax) * dx))
Tx = np.cumsum(Lx[::-1])[::-1]
ex = Tx / np.maximum(lx, 1e-12)
return pd.DataFrame({"mx": mx, "qx": qx, "lx": lx, "dx": dx, "Lx": Lx, "Tx": Tx, "ex": ex})
df = pd.read_csv("hmd_sweden/SWE/STATS/Mx_1x1.txt", sep=r"\s+",
skiprows=2, na_values=".")
df = df[df.Year == 2024][["Age", "Female"]].dropna()
df["Age"] = df["Age"].astype(str).str.replace("+", "", regex=False).astype(int)
df = df.sort_values("Age")
lt = period_life_table(df["Female"])
print(round(lt["ex"].iloc[0], 3), "岁") #-- 应接近官方 E0per.txt 里 2024 年女性值
拿 §4.4 的案例里那条序列来试，这段代码的三个关键点恰好对应三处最常见的错误。第一，nx 在最后一格是无穷大，若统一按 1 处理，110+ 的 qx 会被算成小于 1 的数。第二，qx 不能直接等于 mx：官方按 qx 等于 mx 除以 1 加（1 减 ax）乘 mx 转换，本段代码用等力假设的 1 减 exp(-n·mx)，两者低死亡率段一致，高龄段会偏离。第三，lx 的累积必须按存活概率连乘，用 1 减累积 qx 会在高龄段算出负数。
5.5 Lexis 三角：什么时候必须用它
三角文件的行主键是年龄、年份和出生队列三者。同一个年龄格里，出生在年初的人与出生在年末的人分属不同的队列，落在不同的三角里。年度横截面分析不需要它；世代分析、事件史分析、以及需要把某一年的事件精确归到队列的地方，必须用它。
#-- 把 Lexis 三角聚合成 1x1 网格，并与官方 Deaths_1x1 对账
import pandas as pd
lex = pd.read_csv("hmd_sweden/SWE/STATS/Deaths_lexis.txt", sep=r"\s+",
skiprows=2, na_values=".")
lex.columns = [c.strip() for c in lex.columns]
for col in ("Year", "Age", "Cohort"):
lex[col] = pd.to_numeric(lex[col].astype(str).str.replace("+", "", regex=False),
errors="coerce")
agg = (lex.groupby(["Year", "Age"], as_index=False)["Female"].sum()
.rename(columns={"Female": "from_lexis"}))
ref = pd.read_csv("hmd_sweden/SWE/STATS/Deaths_1x1.txt", sep=r"\s+",
skiprows=2, na_values=".")
ref = ref[["Year", "Age", "Female"]].rename(columns={"Female": "official"})
ref["Age"] = pd.to_numeric(ref["Age"].astype(str).str.replace("+", "", regex=False),
errors="coerce")
chk = agg.merge(ref, on=["Year", "Age"], how="outer")
chk["diff"] = (chk["from_lexis"] - chk["official"]).abs()
print(chk["diff"].max()) #-- 应为一个极小的舍入误差，而不是几十上百
这段对账是判断「三角文件有没有读对」最省时间的办法。如果最大差值是量级性的，八成是把 Cohort 列当成了字符串导致排序错乱，或者把两个三角重复计了一次。
5.6 STMF：另一套口径的周数据
STMF 与主库同源不同口径。它给的是按国家、年、周、性别、五个年龄组的死亡数，覆盖 38 个人口单位，最早的一条是芬兰自 1990 年起，多数国家自 2000 年起，末端到 2026 年的第 41 周。文件是单一 csv，也提供 xlsx 版本。
#-- 用 STMF 算某国的周死亡 P-score（相对基线的超额百分比）
import pandas as pd
stmf = pd.read_csv("stmf.csv")
stmf.columns = [c.strip() for c in stmf.columns]
#-- 列名以官方 csv 为准，先确认再取，不同版本可能有细微差别
total_col = [c for c in stmf.columns if c.lower() in ("dtotal", "d_total")][0]
swe = stmf[(stmf["CountryCode"] == "SWE") & (stmf["Sex"] == "b")].copy()
swe["Week"] = pd.to_numeric(swe["Week"], errors="coerce")
swe = swe.dropna(subset=[total_col, "Week"])
base = swe[(swe["Year"] >= 2015) & (swe["Year"] <= 2019)]
baseline = base.groupby("Week")[total_col].mean()
swe = swe[swe["Year"] == 2020].set_index("Week")
swe["pscore"] = (swe[total_col] / baseline.reindex(swe.index) - 1.0) * 100
print(swe["pscore"].round(1).head(12))
用 STMF 有三个坑。第一，性别标识用单字母，合计是 b，不是 Total。第二，周编号按 ISO 周，年末的第 52 或 53 周在不同国家可能被合并或拆分，跨年比较时要把这两年单独处理。第三，也是最重要的：STMF 的死亡数是原始登记数，没有经过主库那套暴露人口修正，所以它算出来的是「死亡数的相对变化」，不是「死亡率的相对变化」。人口在增长的国家，同样的死亡率会给出更高的死亡数 P-score。
§6 与库内条目的关系
6.1 关系图谱：一条死亡，六种记法
同一件事——人死了——在库内至少被六类资源记录过。分清它们的不是「谁更全」，而是「记的是哪一个侧面」。HMD 记的是死亡发生的年龄与性别，加上分母；WHO 死亡数据库记的是死亡的原因；WHO 全球卫生观察记的是各国上报的汇总指标；世界银行开放数据记的是与发展相关的横截面指标；GHDx 记的是「这些数据在哪里、能不能拿到」；OECD 健康统计记的是成员国卫生系统的可比指标；NVSS 与 CDC WONDER 记的是美国的个体级与聚合级生命登记。
| 资源 | 记的是哪一面 | 最小单元 | 与 HMD 的关系 | 库内状态 |
|---|---|---|---|---|
| WHO 死亡数据库 | 死于什么（按 ICD 编码） | 国家×年×年龄×性别×死因 | 互补，不是替代：它给分子不给分母 | 本次检索未见独立词条 |
| WHO 全球卫生观察 | 各国上报的汇总指标 | 国家×年×指标 | 上游汇总，粒度粗一到两级 | 已收录 |
| 世界银行开放数据 | 与发展相关的国别指标 | 国家×年×指标 | 只在宏观层面重叠，无年龄结构 | 已收录 |
| GHDx | 数据目录与可获取性登记 | 数据集词条 | 目录层，HMD 可能是它的一条记录 | 已收录 |
| OECD 健康统计 | 成员国卫生系统指标 | 国家×年×指标 | 有死亡与预期寿命，但为各国上报口径 | 已收录 |
| NVSS | 美国的出生死亡个体记录 | 个体记录（受限） | 美国一国的上游原始件，HMD 的美国序列源自此类 | 已收录 |
| CDC WONDER | 美国的聚合查询 | 县×年×死因 | 美国国内的死因聚合，与 HCD 部分重叠 | 已收录 |
| IHME 结果库 | 全球疾病负担的模型估计 | 国家×年×年龄×性别×死因 | 模型估计，HMD 常是它的输入之一 | 本次检索未见独立词条 |
| GBD 类全球估计 | 全球死因与风险归因 | 同上 | 覆盖全球但为估计值，HMD 是可验证的登记底座 | 见上 |
6.2 关键区隔：WHO 死亡数据库是「死因」，HMD 是「分母加存活曲线」
这两个库最容易被混为一谈，因为它们名字里都有 mortality，都按国家、年、年龄、性别给数。但只要问一句「能不能直接算生命表」，区别立刻显形。
WHO 死亡数据库的结构是：国家、年份、性别、年龄组、ICD 编码、死亡数。它的核心价值在 ICD 编码这一列——你可以问某个国家某年缺血性心脏病死了多少人，也可以按 ICD 的大类重组成心血管、肿瘤、外因。它的问题是：只有分子，没有分母。多数国家不配套提供同口径的暴露人口，要用率就得另找人口数，而人口数的来源、口径、年份覆盖往往与死亡登记不是一套。于是「率」这一步，实际上由使用者自己承担，且各人算出的率不可比。
HMD 的结构是：国家、年份、性别、年龄、死亡数、暴露人口、死亡率、生命表。它没有 ICD 编码这一列，但把分母做到了与分子同源：暴露人口由同一套出生死亡人口数据推出，分子分母覆盖同一人群、同一时期、同一边界。于是率可以直接算，生命表可以直接算，预期寿命可以直接算，且四十一个国家的算法完全一致。
| 判据 | WHO 死亡数据库 | HMD |
|---|---|---|
| 维度 | 死因是核心维度 | 死因维度不存在 |
| 分子 | 有，按 ICD 原始编码 | 有，全因合计 |
| 分母 | 多数国家缺，需另找 | 有，且与分子同源 |
| 能否直接算生命表 | 不能，缺 qx 所需的分母与年龄细分 | 能，官方已算好且给了公式 |
| 国家数 | 远多于 41，覆盖全球大部分地区 | 41 个，集中于发达经济体 |
| 时间深度 | 多数自 1950 年代起 | 最早 1751 年 |
| 年龄粒度 | 多为五岁组，婴儿段常合并 | 单岁 0–109 加 110+ |
| 数据性质 | 各国上报的登记数，未做口径统一 | 按统一协议重建的估计值 |
| 典型问题 | 「这个国家的心血管死亡占多少」 | 「这个国家各年龄的死亡水平与预期寿命」 |
两者最合理的用法是串联，而不是二选一。第一步，用 HMD 拿到该国该年的全因死亡水平、年龄别死亡率与预期寿命，作为可信的底座；第二步，用 WHO 死亡数据库拿到死因结构，即各死因占全因死亡的比例；第三步，把比例乘回 HMD 的全因死亡率，得到「死因别死亡率」。这条路绕了一圈，但它避开了两条捷径的陷阱：直接用 WHO 的死亡数除以随便找的人口数，会得到不可比的率；直接用 HMD 的全因曲线去解释死因变化，会得出没有因果内容的结论。
HCD 子库是这两条路的官方接缝。它做的事正是把 ICD 的变动抹平：用固定的短、中、长三套死因列表，把 1950 年代以来的原始编码重建成跨年份可比的序列，覆盖 18 个国家。也就是说，HMD 团队自己也承认「死因维度不可丢」，只是把它放在一个受控的子库里，用重建的方式保证可比性。需要死因又需要长时序的人，正确的入口是 HCD，不是 WHO 原始表。
6.3 检索路径：从问题到入口
| 你的问题 | 该去哪个库 | 为什么不是 HMD |
|---|---|---|
| 某国某年各年龄死亡率与预期寿命 | HMD | 这就是它的本职 |
| 某国某年心血管病死亡占多少 | WHO 死亡数据库或 HCD | 主库无死因维度 |
| 某国某年婴儿死亡率是多少 | HMD 或 WHO 全球卫生观察 | 两者都有，HMD 的可复算性更强 |
| 全球 190 个国家的死亡率 | WHO 全球卫生观察或全球疾病负担估计 | HMD 只有 41 国 |
| 某国的死因序列跨越 ICD 改版 | HCD | 主库无死因，WHO 原表不可比 |
| 某国 2020 年第 15 周的死亡数 | STMF | 主库是年度粒度 |
| 美国某县的死因别死亡数 | CDC WONDER | HMD 不拆到县 |
| 想找某个冷门国家的生命登记原始件 | GHDx | 它是目录，HMD 只收 41 国 |
| 论文里要一句「某国预期寿命 2023 年为多少」 | HMD 汇总表 | 主库也能给，但汇总表更快 |
§7 质量评估与局限性
7.0 阅读本节前的一个前置校正
先纠一个几乎人人都会犯的错位：把 HMD 的数字当成「观测值」。它的大部分数字是估计值，而且是有方法假设的估计值。死亡数在早期年份是拆分的、在晚期年份是暂定的；暴露人口全部是构造的；80 岁以上的死亡率经过平滑；110+ 是一个把所有人合并的开放区间。这些处理都不是瑕疵，是让跨国长序列得以存在的必要代价，但它们决定了一件事：HMD 的数字适合做「水平与趋势」的判断，不适合做「某一个格子精确到个位」的判断。
7.1 五维评分：DAIMS 八项检查
DAIMS 是千方医数集对数据集做的八项 AI 就绪检查，每项 0 到 3 分，满分 24。评分对象是这份公开数据本身，不含任何第三方加工版本。
| 检查项 | 得分 | 理由 |
|---|---|---|
| 数据集标识 | 3/3 | 每个发布版带独立 DOI（形如 10.4054/HMD.Countries.加日期），可精确回溯到某一日快照 |
| 许可清晰度 | 3/3 | 构造估计值 CC BY 4.0，输入数据另有限制，两类分界写在用户协议里，不靠猜 |
| 溯源信息 | 3/3 | 每个数字可追到来源文件；每个 population 配四份 PDF，含逐点注释与编码对照 |
| 版本与更新 | 2/3 | 按日期打版本且列出历史版本，但没有语义化版本号，协议版本与数据版本是两套编号 |
| 字段字典 | 3/3 | 说明页把每个统计量、每列生命表参数、每种网格都定义清楚，含公式指向 |
| 缺失处理 | 2/3 | 缺失统一用点号，语义单一；缺的是「为什么缺」的机器可读标记，原因只在 PDF 里 |
| 文档完备度 | 3/3 | 方法协议、说明页、各国背景件、子库方法注记四层齐全 |
| 机器可读接口 | 1/3 | 无 API，只有静态文本文件，且下载需登录会话，自动化取数成本高 |
| 合计 | 20/24 | 内容与文档接近满分，扣分集中在接口与缺失语义 |
一句话读这张表：它的短板不在数据质量，在工程接口。一个没有 API、还要登录的数据源，在任何自动化流水线里都是摩擦点；而它的文档质量又高到足以抵消这种摩擦——几乎所有接口缺失带来的问题，都能通过读文档解决。
7.2 一处不提供的量：不确定性区间
官方给出的每一个死亡率、每一个预期寿命都是点估计，既没有置信区间，也没有标准误列。这不是疏漏：它的不确定性主要来自输入数据本身，而不是抽样。想量化不确定性，只能自己做敏感性分析——换分母假设（年初人口与年中人口）、换高龄平滑的处理方式、换领土边界的取舍，看结果摆动多大。摆动通常不改结论。
7.3 已知的、可枚举的偏差
| 偏差 | 发生在哪 | 方向 | 严重度 | 应对 |
|---|---|---|---|---|
| 婴儿死亡漏报 | 19 世纪及以前的多数国家 | 低估死亡、高估预期寿命 | 高 | 只做趋势不做水平；对照该国注释 |
| 年龄申报堆积 | 早期年份，尤其 60 岁以上 | 单岁曲线出现锯齿 | 中 | 用五岁组网格，或用 1×5 平滑 |
| 战争年份登记中断 | 两次世界大战期间的交战国 | 该年死亡数偏低 | 高 | 剔除该年或单独建模 |
| 领土变更年双行 | 法国、德国、俄国等 | 按年份去重会丢一套 | 高 | 保留减号加号后缀，显式选择 |
| 高龄平滑 | 80 至 95 岁间由死亡数定起点 | 曲线偏光滑、极端值被压 | 中 | 当模型值用，不做生物学推断 |
| 末端暂定值 | 各国最新一至两年 | 下版会修订 | 中 | 建模时截断到倒数第三年 |
| 移民未观测 | 移民大国（澳、加、美、以色列） | 暴露人口与队列归属偏移 | 中 | 优先用周期表而非世代表 |
| 子人口混用 | 德、法、新西兰、英国 | 同一国家两条曲线并存 | 中 | 在图上标明人口代码，不合并 |
7.4 外部验证矩阵
判断一份数据可不可信，最省力的办法是拿它和别的来源在同一格上对一次。下表是四类可做的对账，前两类可以自己跑，后两类需要读对方的文档。
| 对账对象 | 对什么 | 预期结果 | 不一致时的解读 |
|---|---|---|---|
| 官方 E0per.txt 与自己算的生命表 | 出生预期寿命 | 差异应在小数点后两位内 | 差得多说明 nx 或 qx 公式用错 |
| Deaths_lexis 聚合与 Deaths_1x1 | 同一年龄年份的死亡数 | 差异应接近零 | 有量级差异说明三角重复计数 |
| 与 WHO 全球卫生观察的同国同年预期寿命 | 水平 | 通常相差零点几岁 | 差一岁以上要查分母口径与年份定义 |
| 与美国 NVSS 的同年死亡数 | 计数 | HMD 常略高或略低，因调整不同 | 差异稳定可接受，方向突变说明登记变更 |
| 与 OECD 健康统计的预期寿命 | 水平 | 成员国应高度接近 | 若 OECD 更高，多为分母用了年中人口 |
| 与各国统计局公布的年度报告 | 单年死亡数 | 应基本一致 | 不一致时以 HMD 的调整为线索去读注释 |
§4.4 的案例之所以年年被拿来当基准，正是因为它在这张表的每一行上都经得起对账。
7.5 它为何能持续：因为它服务的是一个不能没有基准的学科
一个数据项目能活二十六年，通常靠三样东西：稳定的机构、不可替代的位置、以及足够低的使用门槛。HMD 三样都有，但最关键的还是第二样。
人口学的几乎所有方法都需要一个「已知正确答案」的基准：新模型要先在数据质量最好的群体上验证，新估计要先和登记完整国家的观测曲线对上，跨国比较要先有一个口径统一的参照系。这个位置只能有一个占据者，因为占两个就意味着两套基准。HMD 从 2000 年起就在这个位置上，后面的方法、模型、估计都围绕着它长出来，替换成本高到没有人愿意承担。
门槛低是第三根支柱。免费注册、无需申请、无需伦理审批、无机构限制，任何人几分钟内就能拿到瑞典两百七十年的死亡序列。这个低门槛换来的不是收入，是引用量；而引用量反过来成了它向各国统计局索取数据的筹码。这是一个正循环，也是它比多数政府主导的统计门户更持久的原因。
§8 生态位与历史
8.1 二十六年，三次扩张
HMD 的历史不长，但每一步都对应着一个明确的需求缺口。它 2000 年立项，最早的动机很具体：老龄化研究需要长时段的死亡率序列，而当时没有任何一份跨国的、口径统一的、可以一直回溯到 19 世纪的数据库。学者们各自维护自己国家的小表，跨国比较只能靠拼。
| 阶段 | 时间 | 做了什么 | 补的是哪个缺口 |
|---|---|---|---|
| 立项 | 2000 年 | 伯克利与马普所联合启动，确立方法协议与六步流程 | 跨国可比的长序列不存在 |
| 定型 | 2000 年代 | 覆盖扩展到三十余国，协议迭代至第六版，确立输入库与完整序列双层 | 口径统一与可复算性 |
| 深化 | 2010 年代 | 补齐东欧与前苏联国家，加入 Lexis 三角与世代数据 | 队列视角与事件史分析 |
| 应急扩张 | 2020 年 | 建立 STMF，按周发布死亡数 | 疫情把年度粒度打得不够用 |
| 死因重建 | 2020 年代 | HCD 以固定列表重建 18 国死因序列 | ICD 改版导致长序列断裂 |
| 版本化 | 2020 年代中 | 每次打包配 DOI，列出历史版本 | 可复现性与引用规范 |
8.2 主库、STMF、HCD 的分工
三者共用一套机构与一套引用规范，但口径互不相同。把它们当成一个库的三个表来 join，是最常见的误用。
| 维度 | 主库 | STMF | HCD |
|---|---|---|---|
| 时间粒度 | 年 | 周 | 年 |
| 年龄粒度 | 单岁至 110+ | 五个年龄组 | 按死因列表与年龄组 |
| 覆盖 | 41 个国别页面 | 38 个人口单位 | 18 个国家 |
| 起点 | 最早 1751 | 最早 1990（芬兰） | 重建序列多在 1950 年代后 |
| 死因 | 无 | 无 | 有，固定列表 |
| 更新 | 约每月至两月一版 | 更频繁，末端到 2026 年第 41 周 | 每季至半年 |
| 用在哪 | 水平、趋势、生命表 | 短期超额死亡 | 死因结构的长序列 |
8.3 竞争与替代：为什么没有第二个 HMD
理论上有三类潜在替代。第一类是各国统计局自己发布的生命表——最权威，但口径各异、格式各异、语言各异，做四十国比较的工作量等于重做一遍 HMD。第二类是世界卫生组织与联合国的人口估计——覆盖全球，但多数国家是模型估计，且年龄分组粗，无法支撑单岁分析。第三类是学术机构自己重建的国别序列——质量参差，且没有统一的更新机制。
§9 使用指引
9.1 三种角色的路径
同一个库，做流行病学的人、做精算的人、做机器学习的人，走的是三条不同长度的路。
| 角色 | 最短路径 | 该避开的弯路 | 大概要花的时间 |
|---|---|---|---|
| 流行病学研究者 | 注册 → 下一个国别包 → 读 Mx_5x1 与 E0per → 画趋势图 | 不要一上来下全库；不要用 1×1 做长期趋势，噪声太大 | 半小时内可出第一张图 |
| 精算与养老金 | 注册 → 下目标国的 fltper_1x1 与 bltper_1x1 → 取 qx 与 lx | 不要用世代表定价；不要把周期表当预测 | 一小时内可完成定价表 |
| 机器学习与建模 | 注册 → 按统计量下全部 → 拼成国家×年×年龄×性别的长表 | 不要用主库做标签；不要把 110+ 当真实年龄 | 一天内可完成特征工程 |
9.2 一条最短的可用流程
下面的流程假设你已经把某个国别包解开在本地。它做四件事：读死亡率、对齐年龄、算两张表、输出一张可用于建模的长表。
#-- 从原始文本到建模可用的长表，全流程
import pandas as pd
POP, ROOT = "SWE", "hmd_sweden/SWE/STATS"
def load(name, value="Total"):
df = pd.read_csv(f"{ROOT}/{name}", sep=r"\s+", skiprows=2, na_values=".")
df.columns = [c.strip() for c in df.columns]
df["Age"] = pd.to_numeric(df["Age"].astype(str).str.replace("+", "", regex=False),
errors="coerce").astype("Int64")
df["Year"] = pd.to_numeric(df["Year"].astype(str).str.rstrip("-+"),
errors="coerce").astype("Int64")
#-- 长表化：宽表的三列性别变成一行一个观测
long = df.melt(id_vars=["Year", "Age"], value_vars=["Female", "Male", "Total"],
var_name="sex", value_name=value)
long["pop"] = POP
long["stat"] = name.split("_")[0].replace(".txt", "")
return long.dropna(subset=["Year", "Age"])
mx = load("Mx_1x1.txt", "mx")
ex = load("E0per.txt", "e0") #-- 该文件只有 Year 与三列性别，Age 为空
print(mx.shape, mx["Year"].min(), mx["Year"].max())
print(ex.groupby("sex")["e0"].last())
#-- 存成 parquet，后续按 (pop, year, age, sex) 索引
mx.to_parquet("swe_mx.parquet", index=False)
流程里有三个容易踩的坑，都写在了注释的边上；§4.4 的案例那条序列恰好三坑俱全。第一，E0per 这类文件没有年龄列，套用同一个加载函数会得到全空的 Age，必须单独处理。第二，melt 之后行数会变成三倍，若后面还要 merge 别的文件，键必须带上 sex，否则会笛卡尔积。第三，年份列在领土变更年带减号或加号，直接转数值会得到空值，必须先剥后缀。
9.3 引用方式
官方的引用要求写得比其他数据源都细：不只是「注明来源」，而是给了一段可以直接抄的完整引文，并明确要求下载时记下日期，因为数据会修订。
| 场景 | 该怎么引 | 注意 |
|---|---|---|
| 使用主库估计值 | 引 HMD 三方机构全称加官网 | 官方给了固定句式，逐字照抄最稳 |
| 使用 STMF | 单独引 STMF 数据系列 | 不要只引主库，两者是不同系列 |
| 使用 HCD | 单独引 HCD 数据系列 | 同上，且要说明是重建序列还是原始分类 |
| 使用输入库原始数据 | 引该国统计局，并说明经 HMD 整理 | 输入数据版权属原提供方 |
| 复现某一版结果 | 引该版的 DOI | DOI 里含日期串，可精确锁定快照 |
| 商业产品中使用 | 只能用构造估计值 | 输入数据不得商用，需原提供方许可 |
官方的引文句式是：HMD. Human Mortality Database. Max Planck Institute for Demographic Research (Germany), University of California, Berkeley (USA), and French Institute for Demographic Studies (France). Available at www.mortality.org. 三方机构的全称、国别括注、网址都在里面，改成中文或简写都会漏掉要素。子库另有两段对应句式，用哪个系列就换哪一段。
§10 AI 使用声明
| 项目 | 声明 |
|---|---|
| 数据性质 | 国家×年龄×性别×年份的聚合统计，不含任何个体记录，不涉及个人信息保护问题 |
| 可用于训练的部分 | 仅 HMD 构造的估计值（暴露人口、死亡率、生命表、标准化死亡率） |
| 不可用于训练的部分 | 各国统计局提供的输入数据，除非取得原提供方许可，不得商用、不得再分发 |
| 许可义务 | 再分发或衍生发布须署名三方机构，保留 CC BY 4.0 声明，并注明取数日期与版本 DOI |
| 典型建模用途 | 生存分析基线风险、死亡率预测模型（Lee-Carter 系）的基准序列、跨国协变量、生命表生成 |
| 不应支持的推断 | 死因归因、个体风险预测、亚国家差异、全球南方国家的死亡水平 |
| 已知的模型风险 | 末端暂定值会被当作稳定信号；110+ 合并格会被误当真实年龄；80 岁以上曲线含平滑成分 |
| 生成式使用提示 | 若用本库数字生成文本或图表，须标注版本日期，且不得把周期预期寿命表述为某代人的实际寿命 |
常见误读（避坑清单）
| 常见说法 | 实际 | 证据 |
|---|---|---|
| 「HMD 覆盖全世界」 | 只覆盖 41 个国别页面、50 个 population 包，且几乎全是发达经济体 | 官网首页国别列表；无任何非洲国家，印度不在其中 |
| 「有了 HMD 就不需要死因数据」 | 主库只有全因死亡，死因在 HCD 子库且仅 18 国 | 说明页列出的完整序列六类数据里没有死因项 |
| 「1751 年起所有国家都有数据」 | 1751 是瑞典一条序列的起点，各国起点差异可达两百年 | 瑞典页面的可用年份；日本 1947、美国 1933 |
| 「110+ 是一个年龄」 | 它是把所有 110 岁及以上合并的开放区间 | 说明页明确写 0 到 109 单岁加 110+ 开放区间 |
| 「暴露人口就是人口数」 | 前者是人年，后者是时点存量 | 两个文件同时存在，数值不同，前者用于算率 |
| 「mx 是死亡概率」 | mx 是中心死亡率，可以大于 1 | 高龄段存在率大于 1 的格子，概率不可能大于 1 |
| 「数据可以直接 CSV 读入」 | 制表符分隔、两行表头、缺失为点号、年龄带加号 | 文件头部结构；直接读会把年龄列判成字符串 |
| 「下载是公开匿名的」 | zip 请求会 302 跳转到登录页 | 直接请求任意 zip，落点是 /Account/Login |
| 「最新一年可以直接用」 | 末端年份多为暂定值，下一版会修订 | 每版 DOI 不同，历史版本可对比出修订 |
| 「HMD 的数字都是原始观测」 | 大部分是方法协议生成的估计值，高龄段还经过平滑 | 协议对 80 岁以上平滑的规定；早期年份为拆分估计 |
FAQ
Q1：HMD 和 WHO 死亡数据库有什么不同？
WHO 死亡数据库是按 ICD 死因分类的登记数，回答「死于什么」；HMD 是按年龄与性别的全因死亡数加暴露人口，回答「各年龄死多少、活多久」。前者覆盖国家多但口径杂、多数国家没有配套暴露人口；后者只覆盖 41 个发达经济体，却把分子分母对齐到可以直接算生命表。两者互补，常常一个提供死因结构、一个提供分母与存活曲线。
Q2：不做人口学，能直接用吗？
能，但只用得上两成。最常见的非人口学用法是把国家×年龄×年份的死亡率当作协变量或基线风险，接进流行病学模型、保险精算表或生存分析模块。若要自己算生命表，官方已给出 mx 到 qx 的转换规则，二十行代码即可，不需要读完整本方法协议。
Q3：为什么下载会被跳转到登录页？
zip 下载地址会以 302 跳转到 /Account/Login，属于注册墙而非付费墙。注册免费，注册后浏览器会话即可下载；命令行工具若不携带会话 Cookie，拿到的永远是登录页的 HTML 而不是压缩包。判断是否拿到真数据，看响应头里的 Content-Type 与前两个字节是不是 PK。
Q4：1751 年这个起点是怎么来的？
来自瑞典。瑞典的人口登记在世界范围内罕见地连续，该国页面上死亡数与暴露人口的可用年份都是 1751 到 2024，出生数从 1749 年起，人口规模到 2025 年 1 月 1 日。1751 因此是全库最早的一条死亡序列起点，而不是所有国家的共同起点。理解这一点，才不会把「某年某国没有数据」误读成「该国该年死亡率很低」。
Q5：能不能拿到个体级死亡记录？
不能。它从设计上就是聚合库，最小单元格是国家×年龄×年份×性别。需要个体死亡记录的研究要转向各国微观死亡登记，HMD 只能提供分母与基准率。这一点也决定了它不涉及任何个人信息合规问题。
Q6：STMF 是不是 HMD 的一部分？
是同一团队维护的独立子库，覆盖 38 个人口单位，给的是周死亡数，用于识别短期超额死亡。它与主库的年度序列口径不同、更新节奏更快，混用时要说明用的是哪一个。尤其注意它给的是死亡数的相对变化，不是死亡率的相对变化，人口增长的国家会被高估。
Q8：世代数据和周期数据该怎么选？
看你的问题跟的是人还是年。周期表回答「如果某年的年龄别死亡率一直保持不变，一个新生儿能活多久」，用于当期水平比较；世代表回答「某一批出生的人实际活了多少年」，用于队列分析。做养老金与寿险定价通常用周期表，做人口转变与队列研究用世代表。世代表有三十年连续观测的门槛，末端队列大量留空。
Q9：为什么高龄段的数字看着太光滑？
因为 80 岁以上的中心死亡率经过平滑。到了 90 岁以上，每年的死亡人数与暴露人口都很小，观测率会剧烈跳动，甚至出现死亡数大于暴露人口的情况，直接代入生命表公式会算出负的存活人数。平滑把这些病态值拉回可用范围，代价是这一段含有模型成分，不能当纯观测做生物学推断。
Q10：可以把它用于商业产品吗？
可以，但只能用 HMD 构造的那一半。暴露人口、死亡率、生命表按 CC BY 4.0 授权，商用允许，需署名。各国统计局提供的输入数据不行，那部分保留原提供方许可，明确不得商用、不得转发布。做商业产品时，取数流程里要把输入库的文件排除掉，避免无意中把受限数据打进产品。
Q12：怎么保证我三年后还能复现今天的结果？
记下两样东西：打包文件名里的日期，以及对应的 DOI。每个发布版都配了 DOI，形如 10.4054/HMD.Countries.加日期；历史版本在下载页上单独列出，可以按日期取回。只写「数据来自 HMD」是不够的，因为下一版会修订末端年份，同一个查询会给出不同的数。
术语表
| 术语 | 英文 | 含义 |
|---|---|---|
| 暴露人口 | exposure to risk | 一段时期内真正暴露于死亡风险的人年数，是死亡率的分母 |
| 中心死亡率 | central death rate, mx | 某年龄区间内死亡数除以人年数，可以大于 1 |
| 死亡概率 | probability of death, qx | 活到年龄 x 的人在进入下一区间前死亡的概率，介于 0 与 1 |
| 平均存活年数 | average years lived, ax | 在区间内死亡者平均活过的年数，用于在 lx 与 Lx 之间转换 |
| 存活人数 | survivors, lx | 假设起点为十万人时，活到确切年龄 x 的人数 |
| 人年数 | person-years, Lx | 区间内活过的总人年数 |
| 剩余人年数 | total person-years, Tx | 从年龄 x 起到全部死亡为止的总人年数 |
| 预期寿命 | life expectancy, ex | 剩余人年数除以存活人数，即平均还能活多少年 |
| 周期生命表 | period life table | 用某一年的年龄别死亡率构造的假想队列生命表 |
| 世代生命表 | cohort life table | 跟踪某一批出生的人直到全部死亡的真实经历 |
| Lexis 图 | Lexis diagram | 以年龄为纵轴、时间为横轴的坐标系，死亡事件落在方格内 |
| Lexis 三角 | Lexis triangle | 把年龄×年份的方格沿对角线分成上下两个三角，对应不同出生队列 |
| 网格 1×1 | 1x1 grid | 单岁年龄×单年时间的最细切法 |
| 标准化死亡率 | age-standardized death rate | 消除年龄结构影响后的死亡率，用于跨人群比较 |
| 输入库 | Input Database | 各国统计局提供的原始出生、死亡、人口数 |
| 完整序列 | Complete Data Series | HMD 用方法协议从输入库算出的成品数据 |
| 人口代码 | population code | 三字母加后缀的标识，如 SWE、DEUTNP、GBR_NP |
附录 A：核心数字核对表
| 项 | 值 | 来源 | 来源层级 |
|---|---|---|---|
| 国别页面数 | 41 | 官网首页国别列表 | 官方页面 |
| 可下载 population 包 | 50 | 下载页按国别段 | 官方页面 |
| 最早死亡序列起点 | 1751（瑞典） | 瑞典国别页可用年份 | 官方页面 |
| 最早出生数起点 | 1749（瑞典） | 同上 | 官方页面 |
| 人口规模末端 | 2025 年 1 月 1 日（瑞典） | 同上 | 官方页面 |
| 年龄上限 | 110+，开放区间 | 说明页 | 官方页面 |
| 网格切法 | 6 种加 Lexis 三角 | 说明页 | 官方页面 |
| 生命表列数 | 8（mx 至 ex） | 说明页 | 官方页面 |
| 世代数据门槛 | 连续观测 30 年 | 说明页 | 官方页面 |
| 高龄平滑起点 | 80 岁 | 说明页 | 官方页面 |
| STMF 人口单位数 | 38 | STMF 页面 | 官方页面 |
| HCD 国家数 | 18 | HCD 页面 | 官方页面 |
| STMF 最早起点 | 1990（芬兰） | STMF 页面 | 官方页面 |
| 全库国别包体积 | 约三百六十 MB | 下载页标注 | 官方页面 |
| 2026 年发布版本数 | 8（2 月至 8 月） | 历史版本列表 | 官方页面 |
| 许可 | CC BY 4.0（估计值） | 用户协议 | 官方页面 |
附录 B：数字的来源分层
| 层级 | 含义 | 本篇涉及的数字 |
|---|---|---|
| 官方页面 | 官网首页、说明页、下载页、子库页、用户协议直接写明 | 41、50、1751、1749、110+、六种网格、八列、三十年、80 岁、38、18、1990、体积、版本数、CC BY 4.0 |
| 官方文档 | 方法协议与各国 PDF 中的规定，本篇只引用其被说明页复述的部分 | 六步流程、平滑规则、领土变更双行、缺失点号 |
| 论文摘要 | 未直接引用，STMF 的方法学出处见其页面链接的期刊文章 | 无 |
| 未核实 | 官方未给出单一汇总口径、本篇以区间或概数表述 | 各国起点年份的完整清单（仅举八例）、每版之间平均间隔 |
有一处口径需要说明：官网首页的国别列表是 41 个，下载页的 population 包是 50 个，两个数字都对，差额来自德、法、新西兰、英国四国的子人口。官方没有在任何一处把这两个数字并排列出，本篇的并置属于核对后的推论，不是官方表述。
附录 C：完整参考文献
| 序号 | 文献 | 用途 |
|---|---|---|
| 1 | Human Mortality Database 官网首页（www.mortality.org） | 国别清单、机构、定位表述 |
| 2 | 官网 Zipped Data Files 页 | 打包体积、两条下载路径、历史版本与 DOI |
| 3 | 官网 Explanatory Notes 页 | 六类数据、网格定义、生命表八列、平滑与三十年规则 |
| 4 | 官网 User Agreement 页 | 许可分界、引用句式、副本转发的请求 |
| 5 | 瑞典国别页（Country?cntr=SWE） | 1751 起点、各统计量可用年份、质量警示 |
| 6 | 官网 STMF 页 | 38 个人口单位、周粒度、起止周、文件格式 |
| 7 | 官网 HCD 页 | 18 国、重建与原始分类两套序列、三档死因列表 |
| 8 | Methods Protocol 第六版（2025-08-05 修订，81 页） | 六步流程、暴露人口构造、生命表公式出处 |
| 9 | 官网 Citation Guidelines 页 | 引用与版本记录要求 |
附录 D：任务代码
把「某国某年的单岁死亡率曲线」变成「一张可直接进模型的宽表」，是最高频的一个小任务。下面这段代码把三步合成一步，并显式处理了三处口径问题。
#-- 生成国家×年份×年龄的宽表，性别作为列，缺失显式标注
import pandas as pd
def build_panel(root, pop, years):
mx = pd.read_csv(f"{root}/{pop}/STATS/Mx_1x1.txt", sep=r"\s+",
skiprows=2, na_values=".")
mx.columns = [c.strip() for c in mx.columns]
mx["Age"] = pd.to_numeric(mx["Age"].astype(str).str.replace("+", "", regex=False),
errors="coerce")
#-- 年份列可能带 - 或 + 后缀（领土变更年），先剥掉再转数值
mx["Year"] = pd.to_numeric(mx["Year"].astype(str).str.rstrip("-+"), errors="coerce")
mx = mx.dropna(subset=["Age", "Year"])
mx = mx[mx["Year"].isin(years)]
wide = mx.pivot_table(index=["Year", "Age"], values=["Female", "Male"],
aggfunc="first").reset_index()
wide.columns = ["year", "age", "mx_f", "mx_m"]
wide["pop"] = pop
#-- 110+ 单独打标，避免被当成单岁年龄参与回归
wide["is_open_interval"] = wide["age"] >= 110
return wide.sort_values(["year", "age"])
panel = build_panel("hmd", "SWE", range(1950, 2025))
print(panel.shape, panel["is_open_interval"].sum())
panel.to_csv("swe_panel.csv", index=False)
附录 E：如果只记五件事
| 序号 | 要点 |
|---|---|
| 一 | 它是全因死亡加暴露人口，不是死因库；死因在 HCD，只有 18 国 |
| 二 | 41 个国别页面、50 个 population 包，差额来自德法新英四国的子人口 |
| 三 | 1751 是瑞典一条序列的起点，不是全库统一起点；各国起点相差可达两百年 |
| 四 | 下载需免费注册，zip 请求会跳登录页；命令行取数必须复用浏览器会话 |
| 五 | 构造估计值 CC BY 4.0 可用可商用，输入数据不可商用、不可转发布 |
编辑说明
核验时间为 2026 年 10 月 29 日，对象是官网在架的公开页面、说明文档与方法协议正文，未登录、未下载数据包，体积与版本信息取自页面标注。
未覆盖的内容有三类：一是各国起点年份的完整清单，官网需逐国进入页面才能读到，本次只抽取了八个国家作示例；二是各版本之间的修订幅度，需要至少两个版本的数据包才能比对，本次未下载；三是方法协议正文的逐节细节，本次只引用了说明页复述的部分。
若需引用本篇的数字做二次发布，建议同时记录官网上当时的版本 DOI，因为 41 与 50 这两个数字都可能随国家级数据包的增减而变化，而版本 DOI 是唯一能锁定当时状态的东西。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- hmd — 共享标签：公共卫生与流行病学 / 死亡登记 / 公共卫生统计 / 全球健康
- who-mortality-db — 共享标签：公共卫生与流行病学 / 死亡登记 / 公共卫生统计 / 全球健康
- ghdx — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 全球健康
- cvss-nvss — 共享标签：公共卫生与流行病学 / 死亡登记 / 公共卫生统计
- gbd-results — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 全球健康
- wpp — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 全球健康
- usgs-comcat — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 全球健康
- mswep-v3 — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 全球健康
- who-gho — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 全球健康
- hfa-europe — 共享标签：公共卫生与流行病学 / 死亡登记 / 公共卫生统计
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
