WHO 死亡数据库和人类死亡率数据库（HMD）是同一件事吗？

不是。WHO MDB 按 ICD 死因给出一百六十余个国家的死亡数，回答「死于什么」；HMD 按年龄与性别给出四十一个发达经济体的全因死亡数与暴露人口，回答「各年龄死多少、活多久」。前者国家多、口径杂、多数国家没有配套分母；后者国家少、口径统一、可直接算生命表。

能不能拿到逐条死亡记录？

不能。原始文件是聚合计数，最小单元是国家×年份×性别×年龄格×死因。想要个体记录需要回到各国的微观死亡登记，那些数据通常不对外，且受各国隐私法约束。

为什么最近几年的数据总是缺？

官方说明国家通常在日历年结账后十二到十八个月才把数据交给 WHO，之后还要经过校验、汇编与核对。因此任何一次发布，最新一两年都只有少数国家齐备。

为什么同一年里有的国家用 ICD-9、有的用 ICD-10？

ICD 版本的切换由各国自行决定，WHO 不做强制同步。原始文件按版本分套存放，所以同一年份会同时出现在两套文件里，靠 List 字段区分。

数据可以直接商用吗？

官方声明这些数据以供非商业用途为前提传输，不隐含任何商业使用许可。商业使用需另行取得授权。

为什么网页上看到的国家和原始文件里的数量不一致？

在线平台只展示完整性不低于 65% 的数据，原始文件不做这一层过滤。同一国家-年可能在文件里有、在平台上没有，两者不能互相校验。

世界卫生组织死亡数据库 — 165 国死因台账，1950 年起

信息速览

数据集名称世界卫生组织死亡数据库 — 165 国死因台账，1950 年起

数据类型元数据,原始数据链接,公共卫生统计

规模不适用（国家×年份×性别×年龄格×死因的聚合计数，不含个体记录；覆盖一百六十余个国家与地区、六千五百余个国家-年）

接入方式https://www.who.int/data/data-collection-tools/who-mortality-database

AI 就绪度

世界卫生组织死亡数据库（World Health Organization Mortality Database，下称 WHO MDB）是一份很朴素的档案：各国每年把本国死亡登记系统里「谁死了、死于什么」的汇总结果交给世界卫生组织，世卫组织把这些表按年份摞起来，从 1950 年摞到今天。它不做估算，不做校正，不补缺失，也不替任何国家解释数字为什么低。它只保证一件事——这些数字是各国主管机构亲自报上来的官方统计，编码被统一到 ICD 的官方码表上。

它的价值也正来自这种不加修饰。跨国死因比较之所以难，不是因为缺数据，而是因为两国的数字往往不在同一把尺子上：一个国家只登记了三分之一的死亡，另一个国家登记齐全但把四成死亡归到「症状、体征与异常临床所见」；一个国家用 ICD-9 的简表，另一个用 ICD-10 的四字符码。WHO MDB 不消除这些差异，它把差异原样保留下来，同时把每一处差异都做成可以查询的字段，让使用者自己决定要不要用、怎么用。

因此它是一份需要带着说明书读的数据。本文按「它解决什么麻烦、由什么构成、谁在报、怎么装进四套码表、怎么取、与谁容易混、哪里会出错」的顺序展开，并在第六节用整节篇幅把它与常被混淆的人类死亡率数据库分开。一屏速览见下表。

维度	内容
中文名 / 英文名	世界卫生组织死亡数据库 / WHO Mortality Database（MDB）
维护方	世界卫生组织数据、数字健康、分析与人工智能司
上游来源	各成员国由民事登记与生命统计系统（CRVS）上报的年度死因统计
法律依据	1967 年《WHO 命名条例》，经世界卫生大会 WHA20.18 号决议通过
时间跨度	1950 年至最新发布年，2026 年 2 月版到 2024 年
覆盖范围	165 个国家与地区，合计 6,512 个国家-年
编码体系	ICD 第 7、8、9、10 版；无 ICD-6，暂无 ICD-11
死因粒度	汇总列表（A/B 表、基本列表）与明细编码（三字符、四字符）并存
最小记录单元	国家 × 年份 × 性别 × 年龄格 × 死因
年龄结构	26 个年龄格（全年龄至 95 岁以上加年龄不详），另有 4 格婴儿细分
文件格式	逗号分隔的 ASCII 文本，打包为 zip；辅助文件含 Excel
单体体量	解压安装约 900 MB，单个 ICD-10 分片逾百万行
人口分母	单独放在 Pop 文件，覆盖少于死亡数据，需自行合并
获取方式	官网直接下载原始文件；或在线平台按条件筛选取数
在线平台门槛	只展示完整性不低于 65% 的数据
许可	免费、非商业用途；不隐含商业使用授权
一句话定位	全世界唯一一套按 ICD 死因、跨国、跨七十五年的官方登记底本

§1 它要解决的具体麻烦

1.1 死因不是事实，是判断

一个人死了，这是事实，各国都登记。一个人死于什么，这是判断，判断依赖三样东西：谁来做这个判断、按什么规则编码、判断结果有没有被完整收集。这三样在国与国之间的差别，比死亡水平本身的差别还要大。

第一层差别在判断者。有的国家要求所有死亡都由医生开具医学证明，有的国家大量死亡发生在家里、由非医务人员按症状描述归因。WHO 只接收医学证明的死亡，非医学证明的死因不收——这一条直接把一批国家挡在门外，也让另一些国家的数字只代表「去医院去世的那部分人」。

第二层差别在编码。同一个死亡，编码员可能写「慢性阻塞性肺疾病」，也可能写「呼吸衰竭」；可能把老年人的多病共存归到某个具体病，也可能归到「衰老」。这类被统称为垃圾码的归因，在跨国比较里会系统性地改变死因构成，而且改变的方向与国家的发展阶段相关。

第三层差别在收集。登记系统覆盖的是全部国土还是部分省份，覆盖全部居民还是只覆盖国民，覆盖全部死亡还是只覆盖报告区，都会体现在数字里。WHO MDB 用 Admin1 与 Subdiv 两个字段把这些切分标出来，例如巴西分成「北部与东北部」和「南部、东南部与中西部」两片分别上报，巴拉圭标为「报告区」。一条记录读起来是一行数字，背后其实是一个登记系统的覆盖范围声明。

WHO MDB 做的事情，是把这三层差别连同数字一起收下来，并把第三层做成可查的字段。它不解决第一层与第二层，也从不声称解决了。

1.2 三条常见的错误期待

常见期待	实际情况
以为它是全球完整的死因库	覆盖一百六十余个国家与地区，且逐年不等；未上报、非医学证明、编码不合规范的国家不在其中
以为各国数字可以直接横向比较	覆盖率、编码习惯、垃圾码比例差异极大，官方明确要求比较时先考虑这些因素
以为能拿到个体级的死亡记录	只有聚合计数，最小单元是国家×年份×性别×年龄格×死因
以为最新年份一定齐全	国家上报滞后十二至十八个月，任何一次发布的最新一两年都只有少数国家齐备

这四条期待里，前两条是概念错误，后两条是操作错误。概念错误会导致研究设计从一开始就站不住，操作错误会导致跑出来的表看起来完整、实际上是把不同口径的数字加在了一起。

1.3 它能给到的与给不到的

你的需求	它给的	够不够
某国某年按 ICD 死因的死亡数	逐死因、逐性别、逐年龄格的计数	够，这是它的本体
跨十年的死因谱变化	同一 ICD 版本内可接续；跨版本需先做码表映射	部分够，跨版本要自己做桥接
各国死因构成对比	原始构成数，未做覆盖率校正	不够直接比，需自配分母并评估覆盖
年龄别死亡率	死亡数与人口数分两个文件给，需自行合并	够，但合并会丢一批国家-年
死因的时间序列预测	序列断点多，最新年份缺失	不够，需先做插补与版本对齐
个体层面的死亡记录	无	不够，需回各国微观登记
经过校正的国别死因估计	无，那是全球卫生估计（GHE）的产物	不够，需换资源
统一的年龄标准人口率	在线平台按世界标准人口给出年龄标化率	够看趋势，但平台受完整性门槛过滤

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
要写某国近二十年的死因谱变化	提供逐年、逐死因的官方登记数	先确认这二十年里该国是否换过 ICD 版本，换过就先做码表映射
要比较五到十个国家的缺血性心脏病死亡率	提供分子；人口文件提供分母	先查可用性清单确认年份齐不齐，再查完整性，最后才做标化
要训练一个死因分类模型	提供带 ICD 编码的真实死因分布作为标签体系参照	训练语料不能用它，它没有文本；只能用它做标签体系与先验
要给一份政策报告找权威出处	提供可引用的官方统计与明确的引用规范	引用时写明版本月份，不要只写数据库名
在做疾病负担估算，需要原始输入	提供估算模型的输入层	若要不带校正的国别估计，应改用 GHE 的产出而非 MDB
想研究某国的死亡登记系统本身	Admin1、Subdiv、Notes 三个字段记录了覆盖范围与例外	把 Notes 文件与可用性清单一起读，单看数字会误判

1.5 一句话判断

如果你的问题里出现「死因」两个字，且答案需要跨越多个国家或跨越多个十年，那么 WHO MDB 几乎一定是起点；如果你的问题里出现「暴露人口」「生命表」「预期寿命」，那么起点应该是人类死亡率数据库而不是它。

1.6 不适合谁：四条边界

第一，不适合要找个体记录的人。这份库从设计上就是聚合的，一行是一条汇总，不是一个人。想要逐条死亡记录只能去各国的微观数据，而那些数据多半要申请、要过伦理审查、且往往不允许带出国境。

第二，不适合要现成分母与生命表的人。它给了人口数，但人口文件覆盖的国家-年少于死亡文件，且不提供暴露人年、不提供生命表。要算预期寿命得自己建生命表，或者直接用人类死亡率数据库。

第三，不适合要「已经校正过」的国别估计的人。MDB 是原料，不是成品。要把不完整登记调整成可比的国家估计，需要走全球卫生估计那条线，那条线的产出与 MDB 不是一回事。

第四，不适合要「上个月」数据的人。从死亡发生到进入这份库，中间隔着登记、编码、上报、校验四道环节，一年半是常态。需要近实时死亡监测的，应该去看周死亡监测一类的产品。

§2 数据构成与规格

2.1 三层：文件层、记录层、编码层

理解这份库的结构，最省力的办法是分三层看，每层回答一个不同的问题。

文件层回答「东西放在哪」。它不是一个文件，是十几个压缩包：四套按 ICD 版本切开的死亡数据、一个说明文档、一个可用性清单、一个国家代码表、一个备注文件、一个人口与活产文件。ICD-10 因为体量大，又切成六个按年份分段的分片，外加一个存放非标准格式国家数据的补充文件，下载页上一共十五个下载项。

记录层回答「一行是什么」。一行是一个国家在某一年、某个性别下、某个死因、按某种年龄格式切分的死亡计数组合。这个组合由八个键唯一确定：国家代码、行政分区、数据类别、年份、死因列表、死因编码、性别、年龄格式。

编码层回答「死因和年龄怎么表示」。死因不是一个自由文本字段，是一个编码，编码的含义取决于它属于哪一套列表；年龄也不是固定的列，而是由格式码决定哪一列代表哪个年龄段。这两层是全文最容易出错的地方，后面单独展开。

三层的关系可以用一句话概括：文件层按 ICD 版本分家，记录层按八个键定位，编码层决定了同一个列名在不同文件里可能是不同的东西。

2.2 字段分四块

把三十多个字段按功能归并，只有四块。

块	字段	作用
定位块	Country、Admin1、Subdiv、Year	这条数字属于哪个国家、哪片国土、哪类人群、哪一年
分类块	List、Cause	死因用哪套列表、具体是哪个码
人群块	Sex、Frmat、IM_Frmat	性别，以及年龄被切成什么形状
计数块	Deaths1–Deaths26、IM_deaths1–IM_deaths4	逐年龄格的死亡数，共三十列

定位块里最容易被忽略的是 Admin1 与 Subdiv。两个字段都为空时，数据才代表整个国家；只要有一个非空，这条记录就只代表某个子人群。官方文档给出的取值包括「北部与东北部」「前运河区」「犹太人口」这类行政或人群切分，Subdiv 则包含「调查」「报告区」「部分」「选定城乡」「城市」「医学证明死亡」「仅国民」等类别。把这些记录当成全国数据加总，是最常见的一类错误。

人群块里的 Frmat 是一个两位数格式码，取值为 00 至 09。它不是精度标记，而是切法标记：同样是「第五个年龄列」，在 00 格式下是五至九岁，在 08 格式下是五至十四岁。IM_Frmat 单独描述零岁死亡怎么拆，取值 01、02、08、09 四种，分别对应四段、两段、单段与无数据。

计数块一共三十列，前二十六列从全年龄、零岁、一岁、二岁、三岁、四岁，一路到九十至九十四岁、九十五岁以上、年龄不详；后四列把零岁再拆成零天、一至六天、七至二十七天、二十八至三百六十四天。三十列全部是整数计数，没有率、没有分母、没有置信区间。

2.3 一条记录的字段顺序

原始文件的列顺序是固定的，可以直接当作表头使用。下面这一段是 ICD 系列文件的真实列名顺序，省略号处是按同一规律排列的中间年龄列。

Country,Admin1,Subdiv,Year,List,Cause,Sex,Frmat,IM_Frmat,
Deaths1,Deaths2,Deaths3,Deaths4,Deaths5,Deaths6,Deaths7,
Deaths8,Deaths9,Deaths10,Deaths11,Deaths12,Deaths13,Deaths14,
Deaths15,Deaths16,Deaths17,Deaths18,Deaths19,Deaths20,Deaths21,
Deaths22,Deaths23,Deaths24,Deaths25,Deaths26,
IM_deaths1,IM_deaths2,IM_deaths3,IM_deaths4

读一行记录的正确顺序是：先看 List 确定死因码表和粒度的语境，再看 Cause 取出死因，然后用 Sex 与 Frmat 确定这三十列各自代表哪个年龄段，最后才去读 Deaths 系列。跳过前三步直接读数字，等于在一张没有表头的表上做加法。

官方文档特别提示，Admin1、Subdiv、List、Cause、Frmat、IM_Frmat 六个字段必须按字符型读入。把它们当数值读，前导零会被吃掉，字母后缀会被截断，于是 07A 变成 7、09C 变成 9，整条链路的对照关系就断了。

2.4 四套 ICD，四个年份区间

ICD 版本	死因粒度	年份覆盖	记录数	文件
第 7 版	A 表与 B 表（汇总）	1950–1972	281,749	MortIcd07
第 8 版	A 表与 B 表（汇总）	1968–2008	380,627	MortIcd08
第 9 版	基本列表 BTL 与若干国家专用表	1979–2013	899,470	MortIcd09
第 10 版	制表列表、三字符、四字符	1988–2024	约五百五十万	MortIcd10（六片）

这张表最需要解释的是年份的重叠。ICD-7 的数据止于 1972 年，但 ICD-8 从 1968 年就开始了；ICD-8 的数据止于 2008 年，而 ICD-9 从 1979 年就有。这不是数据错误，而是因为版本切换由各国自行决定，同一自然年里，甲国还在用旧版、乙国已经换新版，两套文件各自收录各自的国家。

对使用者的直接后果是：想取「1985 年全球」的数据，必须同时在 ICD-8 与 ICD-9 两个文件里查，再把两套编码映射到同一个分类上。任何只读一个文件的取数脚本，都会静默漏掉一半国家。

另一个后果是记录的绝对数不能当作覆盖度指标。ICD-7 的文件只有二十八万行，不代表 1950 年代只有二十八个国家；而是因为当时的死因列表粗、年龄格式少，同样的信息量占的行数就少。行数反映的是编码的精细程度，不是国家的多少。

2.5 年龄格：同一个列名，九种含义

年龄格式码带来的问题值得单独写一段，因为它是这份库里最隐蔽的陷阱。

Frmat 取 00 到 09 共十个值（其中部分取值留给特殊情形），差别在于把零到九十五岁切成多少段。00 格式最细，零岁到四岁逐年，之后五岁一组，直到九十五岁以上。08 与 09 格式最粗，五岁到十四岁并成一段，十五岁到二十四岁并成一段，六十五岁以上并成一段。中间的格式则在这两端之间取不同的合并方式。

因此，同一个列名 Deaths7，在 00 格式下是五至九岁，在 08 格式下是五至十四岁。如果按列名直接做跨国汇总，等于把两个不同宽度的年龄段加在一起，得到的数字没有任何流行病学含义。

官方文档对此的处理规则是：国家若不使用标准年龄组，就按合并后的第一段记录，未使用的格留空。这意味着空缺不代表零死亡，而代表「这段被合并到前面去了」。把空缺当零，会系统性地低估幼儿与高龄段的死亡。

2.6 随库附带的几个小文件

文件	内容	规模
Documentation	说明文档，含字段定义、年龄格式表、死因码表、导入指引	五十余页 PDF
Availability	国家-年份可用性清单，两个工作表（死亡、人口）	六千余行
Country codes	国家代码与名称对照	227 条
Notes	特定国家-年的例外说明	68 条
Pop	参考人口与活产数，按年龄格与性别	逾一万条

这五个文件里，Availability 与 Notes 的阅读优先级高于数据本身。可用性清单告诉你哪些国家-年存在，备注文件告诉你哪些国家-年有特殊情况——比如某年只登记了部分国土、某年数据是估算而非逐例登记、某年的人口基数换过口径。跳过备注直接算趋势，很容易把一次登记范围的变化读成一次死亡水平的突变。

§3 它的身份：谁上报，谁整理，谁负责

3.1 法律依据不是习惯，是条例

这份库之所以能连续七十多年不断，靠的不是某个团队的坚持，而是一条有约束力的国际条例。1967 年通过的《WHO 命名条例》经世界卫生大会 WHA20.18 号决议确认，要求成员国按可比的形式向世卫组织提供死亡与发病统计。成员国不是「愿意就报」，而是「有义务报」。

这一点解释了这份库的两个特征。第一，它覆盖的国家数量会随政治版图变化：新国家独立后成为成员国，就开始出现在清单里；国家解体或合并，清单里的国家随之改变。第二，它的口径不完全由技术决定：各国按本国法律与登记制度组织数据，WHO 只能在其上做编码层面的统一。

3.2 四步链条

从一个人去世到成为库里的一行数字，中间有四步。

第一步，地方民事登记机构记录死亡事件，签发死亡医学证明，写明根本死因。这一步的质量取决于有没有医生、医生写得多细、家属愿不愿意去登记。

第二步，国家主管机构把辖区内的证明汇总，由编码员按本国采用的 ICD 版本编码，形成全国的年度死因统计。这一步的质量取决于编码员受训程度与本地惯例。

第三步，国家按年上报 WHO。官方说明的时限是日历年结账后十二到十八个月。

第四步，WHO 校验编码。若发现使用了非官方码，会替换为最接近的官方码；随后按 ICD 版本、死因列表、性别、年龄格式编入对应文件，并把国家-年份登记进可用性清单。

四步里，前三步的误差都会原样传到库里。WHO 只在第四步做编码规范化，不做覆盖率校正、不做缺失插补、不重新判定死因。

3.3 责任边界：它只对「转述准确」负责

官方文档把责任边界写得很清楚：这些数据是各国主管机构报来的官方统计，WHO 的责任是提供原始信息，分析与解释的责任在数据使用者。文档甚至要求，使用者在发表技术性描述或数据质量评价时，应尽力确保其不与 WHO 已发表的表述冲突。

这条边界带来三个具体后果。

其一，库里的数字可能与该国自己发表的数字不同。原因有三：WHO 使用标准分类呈现、部分国家未跟进 ICD-10 的年度修订、以及这份库本身在滚动更新。引用时若与本国统计年鉴对不上，通常不是谁错了，而是版本与分类不同。

其二，WHO 不替任何国家背书其登记完整性。文档明确写道，某国在其覆盖人群内的登记可以是百分之百完整，但覆盖的人群可能只是全国的一部分；覆盖率是用上报死亡数除以联合国人口司估算的全国死亡数算出来的，二者口径不同，覆盖率低于百分之百有多种原因。

其三，平台与原始文件的责任不同。在线平台只展示医学证明的死亡，且只展示完整性不低于 65% 的数据；原始文件不做这层过滤。同一国家-年可能在文件里有、在平台上没有。这不是矛盾，而是两个产品的取舍不同。

3.4 上报单位不是国家，是登记系统的覆盖人群

这一点值得单独强调，因为它决定了很多数字该怎么读。

官方给出的例子是巴西分成「北部与东北部」与「南部、东南部与中西部」两片，巴拉圭标为「报告区」。文档还说明，某些国家的数据只覆盖选定城乡、只覆盖城市、只覆盖医学证明的死亡、或只覆盖国民。

于是「某国某年的死亡数」这句话本身可能不成立。正确的说法是「某国某登记人群在某年的死亡数」。当研究者把 Admin1 与 Subdiv 忽略掉、直接把同名国家的所有行加总时，得到的是一个把不同覆盖范围混在一起的数，而它看起来和一个正常的全国数字没有任何区别。

这也是「65% 完整度门槛」为什么按登记人群而不是按国界来算的根源：分母是登记系统覆盖的人群，不是全国人口。理解这一点，后面所有的比较才有意义。

§4 它的手艺：把四套 ICD 装进一列 List

4.1 一个死因码不够用的原因

如果把七十五年的数据压成一张表，最自然的做法是给每行一个「死因编码」列。但这条路走不通，因为 ICD 在这七十五年里换了四次，而且每一次换版，码表的结构都不一样：ICD-7 与 ICD-8 用的是一百多项的汇总列表，ICD-9 用的是基本列表外加若干国家的专用列表，ICD-10 则同时存在制表列表、三字符码与四字符码三种粒度。

同一个死因，在四个版本里的码完全不同；同一个版本里，用汇总列表的国家与用明细编码的国家，粒度也完全不同。于是 WHO 没有试图把死因统一成一个码，而是加了一个「这套码属于哪张表」的字段，也就是 List。死因编码 Cause 必须和 List 一起读才有意义。

这是一个典型的档案式设计：不合并、不归一、不猜测，只把出处标清楚。

4.2 List 的取值体系

取值	含义	典型使用者
07A / 07B	ICD-7 的 A 表与 B 表（汇总）	1950 至 1970 年代多数国家
08A / 08B	ICD-8 的 A 表与 B 表（汇总）	1968 年以后切换的国家
09A / 09B	ICD-9 的基本列表（BTL），A 与 B 两种汇总程度	1979 年以后多数国家
09N	ICD-9 的专用列表，前苏联新独立国家使用	1990 年代后的部分国家
09C	ICD-9 的中国专用列表	中国
101	ICD-10 制表列表（第一号，汇总）	只报汇总的国家
103	ICD-10 三字符明细	报明细的国家
104	ICD-10 四字符明细	报最细粒度编码的国家
10M	ICD-10 三字符与四字符混合，二者互斥不重叠	部分国家
UE1	ICD-10 的葡萄牙专用列表	葡萄牙 2004 至 2005 年

这张表说明了一件事：所谓「统一到 ICD」，统一的是码表的官方性，不是粒度。同一年的两个国家，一个可能只报了二十个死因大类，另一个报了两千个三字符码。把它们放进同一张透视表，只会得到一张看起来整齐、实际上把粗细不同的东西并列的表。

09N 与 09C 两个取值尤其需要注意。它们不是国际标准列表，而是为特定国家群体设的专用汇总，跨到 ICD-10 之后就没有对应物。任何跨越 1990 年代的时间序列，只要涉及这些国家，就必须在衔接处做一次人工映射，而不能指望码值能对上。

4.3 汇总列表与明细编码：一次不可逆的粒度损失

ICD-10 的六个分片里，同一批国家在不同年份可能报不同的 List。有的国家早期只报制表列表 101，后来改报三字符 103，再后来报四字符 104。对一个做长序列的研究者，这意味着同一条曲线在三段里由三种不同粗细的码构成。

向粗的方向合并总是可行的：把四字符并成三字符，把三字符并成制表列表的类目，都有官方对照。向细的方向拆分则不可能：如果某国某年只报了制表列表里的「缺血性心脏病」一项，就再也无法知道其中有多少是急性心肌梗死、多少是其他类型。

因此这份库的正确用法是先定粒度，再取数：先确定你的分析需要多细的死因，然后只取那些粒度不低于该要求的国家-年，其余的老老实实标为不可用。反过来做——先取全部数据再想办法对齐——一定会得到一条前半段粗、后半段细、看上去很平滑的曲线。

4.4 婴儿死亡：三十列之外的四个格

零岁死亡在公共卫生里权重极高，因此这份库在二十六个年龄格之外，又给零岁单开了四个格：零天、一至六天、七至二十七天、二十八至三百六十四天。这四列由 IM_Frmat 描述其有效形态，取值 01 时四格齐全，02 时只分两段，08 时只有一段，09 时表示无数据。

这四格的价值在于区分新生儿早期死亡与婴儿后期死亡，二者的死因结构完全不同：前者以围产期因素与先天畸形为主，后者以感染与意外为主。但四格的可用性极差，多数国家只报其中一段或干脆不报。想用这四列做跨国比较，先要查清哪些国家-年真的填了。

4.5 分母：Pop 文件与它的缺口

死亡数是分子，死亡率需要分母。这份库把分母单独放在 Pop 文件里，字段结构与死亡文件平行：国家、行政分区、年份、性别、年龄格式，加二十六个人口格与一个活产数。人口是年中人口，单位是人。

三个必须知道的事实。

第一，人口文件的覆盖少于死亡文件。可用性清单里死亡与人口各占一个工作表，人口表的行数明显更少，说明有相当一批国家-年在死亡数据里存在但没有配套人口。

第二，人口文件的格式码与死亡文件不保证一致。合并时不能只按国家与年份连，必须把 Frmat 一起纳入连接条件，否则年龄格会错位。

第三，官方文档明确建议：缺人口时改用联合国人口司的《世界人口展望》估计。也就是说，这份库自己承认分母不全，并把补分母的责任交给了使用者。

在线平台的做法不同：它用世界标准人口做年龄标准化，直接给出每十万人的年龄标化死亡率，省掉了分母合并这一步。但平台的输入受「65% 完整度门槛」过滤，且对人口少于九万的国家与覆盖率过低的国家不出率。所以平台给的是能看的率，原始文件给的是能算的数，两者不能互相替代。

§5 怎么拿到

5.1 三条路径，三种口径

路径	拿到什么	口径	适合谁
官网原始文件	四套 ICD 死亡数据加五个辅助文件	全量，不做完整性过滤	要自己做清洗与建模的人
在线平台	按国家、年份、性别、年龄、死因筛选的汇总与标化率	只含完整性不低于 65% 的数据	要快速看趋势、做图、写报告的人
第三方封装	各语言生态里的下载器与整理好的长表	取决于封装者的抓取时点	想少写代码的人，但需自行核对版本

三条路径的差别不只是方便程度，而是数据本身不同。原始文件里有一个国家-年，平台上不一定有；平台上有标化率，原始文件里没有。把两者混着用，等于在一个分析里混了两个总体。

这也是「65% 完整度门槛」需要被反复提醒的原因：它是一个产品层的过滤规则，不是数据本身的属性。看到平台上某国只有十几年数据，不等于这份库对该国只有十几年数据。

5.2 原始文件的形态

原始文件是逗号分隔的 ASCII 文本，打包成 zip，解压后可以直接当 CSV 读。官方给出的安装空间要求是九百兆左右，并明确提示单个文件可能超过两百万行，不要试图用电子表格软件打开。

文件命名有规律：MortIcd07、MortIcd08、MortIcd09 各一个包，MortIcd10 切成 part1 至 part6 六个包，另有一个 add 包存放非标准格式的国家数据（这个包是 Excel 格式，与其余不同）。辅助文件分别是 Documentation、Availability、Country codes、Notes、Pop。

下载页上每个文件都标了最后更新日期，且这些日期并不一致：ICD-7 的文件停在 2004 年，ICD-8 停在 2012 年，ICD-9 停在 2017 年，ICD-10 的各分片则是 2025 至 2026 年。日期不一致是正常的——旧版本不再新增数据，自然不会更新。但这意味着「整库更新到某年」这种说法不成立，只能说「某个分片更新到某月」。

5.3 导入的最小流程

下面这段 R 代码演示的是最省事的读法：只读需要的列，只保留需要的年份，避免把整个分片读进内存。

#-- 读取 ICD-10 的一个分片，按年份与列表类型筛选后再聚合
library(data.table)

d <- fread(
  "MortIcd10_part6.csv",
  colClasses = list(character = c("Country", "Admin1", "Subdiv",
                                  "List", "Cause", "Frmat", "IM_Frmat"))
)

#-- 只取四字符明细，且只要全国口径（Admin1 与 Subdiv 同时为空）
d <- d[List == "104" & is.na(Admin1) & is.na(Subdiv)]

#-- 按国家与年份汇总全年龄死亡数
out <- d[, .(deaths = sum(Deaths1, na.rm = TRUE)), by = .(Country, Year, Sex)]

三个细节值得说明。colClasses 里那六个字符型字段不能省，省了会丢前导零与字母后缀。筛选全国口径时要同时判断 Admin1 与 Subdiv 为空，只判一个会漏。汇总时用 Deaths1（全年龄）而不是把 Deaths2 到 Deaths26 相加，因为后者在有合并年龄格的国家会重复计数。

用 Stata 的话，官方文档给的是一条 insheet 语句，读入后同样要把前九个字段声明为字符型。用 Python 的话，pandas 读入时把 dtype 指定为字符串再转数值，效果相同。官方不建议用 Access 之外的工具直接打开，原因是行数太大，而不是格式有问题。

5.4 版本与快照

这份库每年更新一次，通常在年初。2026 年 2 月的那一版，可用性清单里明确写了新增一百八十一个国家-年、修订十个。这个数字本身不重要，重要的是它说明每次更新既加新数据也改旧数据。

对可复现性来说，这意味着引用必须带版本。写「WHO 死亡数据库」等于没写；写「2026 年 2 月版」才是一个可以复现的快照。更严谨的做法是同时记录下载日期与文件校验值，因为同一版本的文件在服务器上也可能被静默替换。

5.5 许可与引用

官方对使用的表述是：数据以供非商业用途为前提传输，不隐含任何商业使用许可。使用者被要求遵守三条：发表时致谢 WHO 为数据来源，并声明分析与结论由作者负责、不由 WHO 负责；发表技术性描述时尽力与 WHO 已发表的表述保持一致；向第三方转交数据时，应引导对方回 WHO 直接获取，以避免旧版本扩散。

这三条里第三条最容易被忽略。把整理好的子集挂在网上供人下载，表面上方便了同行，实际上让 WHO 失去了版本控制的机会。合规的做法是提供下载脚本，而不是提供数据副本。

§6 与库内条目的关系

6.1 关系图谱

这份库在库内的位置可以用「底本、修订本、外部参照」三层来理解。WHO MDB 是底本，是各国上报的原始统计；全球卫生估计（GHE）是在底本上做的校正与补全；人类死亡率数据库（HMD）是另一条完全独立的路子，只做全因死亡与生命表，不碰死因。

库内相关词条	与本词条的关系	一句话区隔
人类死亡率数据库（HMD）	最常被混淆的同名者	HMD 给年龄×性别的全因死亡与暴露人口，MDB 给 ICD 死因的死亡数
WHO 全球卫生观察站（GHO）	下游出口	GHO 发布的是指标，MDB 发布的是登记原始数
全球疾病负担（GBD）	平行的另一套估算体系	GBD 用建模补齐缺失，MDB 不补
各国统计年鉴	上游同源	年鉴是该国自己的版本，MDB 是 WHO 转述的版本

6.2 与人类死亡率数据库的逐项区隔

这是本文最需要写清的一段。两个库都叫「死亡率数据库」，都免费，都能算死亡率，都常被同一批人引用，因此混淆极多。它们的差别不是细节，而是设计目标完全不同。

对比项	WHO 死亡数据库（MDB）	人类死亡率数据库（HMD）
回答的问题	死于什么	各年龄死多少、活多久
维护方	世界卫生组织	马克斯·普朗克人口研究所、加州大学伯克利分校、法国国家人口研究所
覆盖范围	165 个国家与地区	41 个国家与地区，以发达经济体为主
时间起点	1950 年	最早回溯至 1751 年（瑞典）
核心维度	死因（ICD 编码）× 性别 × 年龄格 × 年	年龄（单岁）× 性别 × 年
是否含死因	是，这是它的主体	否，全因合计；死因在另一个子库且需另建
是否含分母	有单独的人口文件，覆盖不全	直接给暴露人年，分子分母配套
是否含生命表	否	是，含预期寿命与全套生命表函数
年龄精度	五岁组为主，幼儿段逐年	单岁，一百一十岁为开放区间
格式规整度	低，四套 ICD、十余种列表、十种年龄格式	高，统一网格，列名固定
获取方式	直接下载，无需注册	需免费注册后下载，脚本需带会话
许可	非商业用途	构造估计值 CC BY 4.0，输入数据不可商用
更新节奏	每年一次整批发布	按日期打版本，一年多个版本，每版带 DOI
典型误用	拿它算预期寿命	拿它做死因分析

一句话记住：MDB 的强项是「什么病杀死了多少人、覆盖一百多个国家」，弱项是「分母不全、口径不齐」；HMD 的强项是「分子分母严丝合缝、可以直接建生命表」，弱项是「只有四十一个国家、没有死因」。

6.3 三个最容易混的地方

第一，名字。两者的中文译名都可以写成「死亡率数据库」，英文缩写又都是三个字母的组合。检索时若只写「mortality database」，返回的会是两个不同的东西。

第二，免费。两者都不收费，于是「免费」被误当成「同类」。但 MDB 免费是因为它是成员国义务上报的公共统计，HMD 免费是因为学术机构把重构成本自己承担了，两者的成本结构完全不同，这也决定了它们能覆盖的国家类型完全不同。

第三，都能算率。MDB 有死亡数也有部分人口，看起来能算率；HMD 直接给率。但 MDB 的率需要自己合并分母、自己评估覆盖，算出来的率带着未校正的偏差；HMD 的率已经把分母对齐，代价是只覆盖登记系统本来就完善的国家。

真正需要判断的是：你要的是「死因结构」还是「死亡水平」。要前者，MDB 是唯一选择；要后者，HMD 更省事。两者都用的情况也很常见——用 HMD 拿某国的准确死亡水平，用 MDB 拿该国的死因构成，再把构成按死亡水平放大。

6.4 与全球卫生估计的分工

WHO 自己也做估算。全球卫生估计（GHE）用 MDB 作为输入之一，加上覆盖率评估、垃圾码重分配、缺失年份插补、年龄性别重分配，产出一套国别、分死因、分年龄性别的估计值，再通过全球卫生观察站发布。

于是同一条「某国某年缺血性心脏病死亡数」，在 MDB 里是登记原值，在 GHE 里是校正估计值，两个数字可以差出很多，而且都不算错。写论文时必须说清用的是哪一个，否则审稿人一问就露。

判断规则很简单：要做国别间的水平比较，用 GHE；要研究登记系统本身、或要做自己的估算，用 MDB。把 MDB 的原始数直接拿去做国别排名，是最常见的越界用法。

6.5 检索路径

你的问题	该去哪里	理由
某国某年死于某病多少人	WHO MDB	这是它的本体
某国某年各年龄死亡率与预期寿命	HMD	MDB 不给生命表，分母也不全
某国死因构成随时间的变化	WHO MDB，注意版本断点	GHE 会平滑掉登记系统的变化
全球分死因的国别可比估计	GHE 或 GBD	MDB 未校正，不可直接比
某个具体 ICD 码在各国怎么用	WHO MDB 的 List 与 Cause 字段	这是唯一能查到原始编码的地方
需要个体死亡记录	各国微观数据	两个库都是聚合的

§7 质量评估与局限性

7.0 阅读本节前的一个前置校正

评估这份库时最容易犯的错，是拿评估「产品」的尺子来量一份「档案」：问它数据完整率多少、缺失率多少、编码一致率多少。这些维度上它必然低分，因为它的设计目标从来不是产出一份干净可用的分析表，而是完整保存各国上报的原貌。

正确的评估框架是：作为一份跨越七十五年、一百多个国家、四套编码体系的官方登记汇编，它在「保真」与「可追溯」上做得如何，以及这种保真换来了哪些使用成本。下面每一处扣分，都应该读成「它的取舍带来的代价」，而不是「它没做好」。

7.1 五维评分

维度	分数	依据
规模	5 / 5	一百六十余个国家与地区、七十五年，同类型里没有第二个
保真度	5 / 5	原样保留各国上报口径，不插补、不平滑、不重分配
一致性	2 / 5	四套 ICD、十余种死因列表、十种年龄格式并存，跨版本跨列表不可直接接续
易用性	3 / 5	格式简单（CSV），但需要自行合并分母、处理格式码、清理子人群标签
可追溯性	4 / 5	每个国家-年可追到上报文件与备注，扣分在没有逐国的登记系统元数据
时效性	2 / 5	滞后十二至十八个月的上报期，加上校验与汇编，最新一两年普遍不全

7.2 质量分级：usability 四档

WHO 自己并不给每个国家-年打一个「质量分」，但它在一套公开的方法文件里定义了分级规则，这套规则被广泛借用，也是理解这份库质量结构的钥匙。

核心指标叫可用性（usability），定义为两个比例的乘积：登记完整度，乘以「一减去归入垃圾码的死亡占比」。完整度衡量「死了的人有多少被登记」，垃圾码比例衡量「登记了的人有多少被归到一个没有信息量的死因」。两者相乘，才是「有多少死亡带着有意义的死因信息」。

档位	判定条件	使用建议
高	近十余年至少五年数据，按 ICD 码上报，平均可用性不低于 80%	可比较、可做时间序列、可用于政策评估
中	至少五年数据，按 ICD 码上报，平均可用性不低于 60%	可用于优先级排序，项目评估需谨慎，跨国比较需谨慎
低	至少一年数据，平均可用性不低于 40%	仅可作参考，趋势易受登记系统改进影响
极低	不满足以上任一条件	不建议用于跨国比较

这套分级的价值在于它把两个常被混为一谈的东西拆开了：登记完整不等于死因可用。一个国家的登记可能百分之百完整，但四成死亡被归到「症状与体征」，可用性就只有六成，落在中档。反过来，一个登记只覆盖六成人口的国家，若编码质量高，可用性也可能不低。

对使用者的实际含义是：不要用一个国家的登记完整度来决定要不要用它，要用可用性。而可用性这份库并不直接给，需要自己按完整度与垃圾码比例算，或者去查 GHE 方法文件里的国别表。在线平台的「65% 完整度门槛」只筛完整度，不筛垃圾码比例，因此平台上可见不等于可用性达标——这一点常被忽略。

7.3 DAIMS 视角下的四条线

DAIMS 关注数据从采集到使用的链条是否可解释。按四条线看这份库：

DAIMS 线	表现
数据获取与处理	有明确的法律依据与四步链条，文档把每一步的责任写清；扣分在各国前三步的过程不可见
数据建模	极简的宽表模型，一个键加三十个计数列；好处是任何工具都能读，坏处是无法表达「同一格有多条来源」
数据溯源	每条记录可追到国家-年份与上报文件，备注文件记录例外；扣分在没有逐国的登记制度元数据
数据使用与治理	许可、致谢、转交规则都写明；扣分在商业使用的边界只有一句原则性表述

四条线里最稳的是获取与处理，最弱的是建模。宽表模型是这份库能用三十年的原因，也是它难以承载更复杂语义的原因。

7.4 滞后：最近几年为什么总是不全

这是使用者抱怨最多的一点，而原因是可以逐条说清的。

第一，上报本身有法定节奏。国家通常在日历年结账后十二到十八个月才提交，因为要先完成本国范围内的编码、核对与汇总。

第二，WHO 侧还要再花时间做编码校验、汇编与跨国核对。文档把这部分描述为「在国家层面耗时相当长」。

第三，各国进度不齐。有的国家一年内就交齐，有的隔两三年补一次，有的干脆中断若干年再恢复。于是任何一次发布，最新年份的国家数总是远少于峰值年份。

第四，平台还有一道过滤。即使原始文件里有某国的最新一年，只要完整性低于门槛，在线平台也不会展示。于是「65% 完整度门槛」会让平台的滞后看起来比文件更严重：文件里已经有的年份，平台上可能要再过一两年才出现。

实践含义：做时间序列时，最后两三年的数据应当默认标为不完整，不要用它下结论。判断某年是否可用，看可用性清单里该国该年是否存在，而不是看年份数字够不够新。

7.5 已知的、可枚举的偏差

第一，覆盖偏差。登记系统覆盖的人群与全国人口不是一回事。城市覆盖好、农村覆盖差，导致死因构成系统性偏向城市人群。

第二，编码实践偏差。垃圾码的使用在不同国家差别极大，且与医生的诊断习惯、编码员的培训、ICD 版本的本地修订都有关。这类偏差不会出现在任何字段里，只能靠外部方法文件评估。

第三，版本断点。一国从 ICD-9 换到 ICD-10 的那一年，死因构成会出现跳变，其中一部分是真实的，一部分是分类变化造成的。分辨这两部分需要做桥接表。

第四，年龄格式偏差。合并年龄格的国家在高龄段的数字被压缩到更少的格里，做年龄别分析时会低估高龄死亡。

第五，子人群标签偏差。把 Admin1 与 Subdiv 非空的记录当成全国数据，会把某个城市或某片国土的死亡水平当成全国水平。巴西是最典型的例子：北部与东北部、南部与东南部中西部两片各自成行，两行相加才是全国，但单看其中一行也像一个完整的国家。

第六，疫情年份的特殊性。2020 年之后的死因构成受新冠影响极大，且各国对新冠死亡的判定规则不同，跨国的「新冠死亡数」不可直接比。

7.6 它为何能持续

一份七十五年不断的档案，靠的不是商业模型，而是三件事的叠加。

第一，法定义务。成员国有义务按条例上报，这保证了供给端的稳定，不依赖任何机构的筹款能力。

第二，不可替代性。要研究 1950 年代以来任何一个国家的死因结构，没有第二个来源能同时提供这个时间跨度与国家广度。需求端因此长期存在。

第三，极低的边际成本。每年做的是接收、校验、汇编、发布，不需要重新采集、不需要建模、不需要维护复杂的在线服务。成本低到即使预算紧张也能维持。

这三件事里，第二件最关键：只要历史死因数据的唯一性还在，这份库就有存在的理由。反过来说，它最可能的变化不是消失，而是形态——从文件下载转向 API，从年度整批转向增量更新。

§8 生态位与历史

8.1 几条可以核对的坐标

这份库的早期历史在官方页面上着墨很少，可核对的只有几个坐标，不宜补写细节。

时间	事件	来源
1950 年	成员国开始按年向 WHO 提交死亡与死因数据，这份库的序列由此起算	官方说明文档
1967 年	《WHO 命名条例》通过，经 WHA20.18 号决议确认，上报成为成员国义务	官方说明文档
2004 年	ICD-7 数据文件最后一次更新，此后不再变动	下载页日期
2012 年	ICD-8 数据文件最后一次更新	下载页日期
年份未注明	在线交互平台投入运行，提供国家、年份、性别、年龄、死因的筛选与导出	平台页面，未标注上线时间
2017 年	ICD-9 数据文件最后一次更新	下载页日期
2026 年 2 月	最新一版发布，新增一百八十一个国家-年、修订十个	可用性清单

这张表要说明的是一个结构性事实：这份库的「活跃部分」其实只有 ICD-10 一条线。ICD-7、ICD-8、ICD-9 三套文件都已冻结，最后一次更新分别是二十多年前、十余年前与近十年前。做历史研究时这三套是必需的材料，但它们不会再变，也不会再修错。

8.2 三套全球死因数据的分工

资源	性质	覆盖	是否校正	适合
WHO MDB	登记原值汇编	一百六十余个国家与地区	不校正	研究登记系统、做自建估算的输入
WHO GHE	官方估算	全球全部成员国	校正完整度、重分配垃圾码	国别比较、政策评估
GBD	第三方估算	全球，细分至次国家	建模，方法独立	需要不确定性区间与细分的分析

三者的关系不是替代，而是分工。MDB 提供原料与其出处，GHE 提供 WHO 口径的成品，GBD 提供另一套独立口径的成品。做敏感性问题时，常用 GHE 与 GBD 两套估计互相印证，再用 MDB 回查原始登记数是否支撑这个量级。

8.3 在 AI 时代的再定位

这份库不是为机器学习准备的：没有文本、没有影像、没有个体记录，只有整齐的计数。它在当下的用途主要有三类。

第一，作为标签体系与先验。做死因分类、做电子病历的死因抽取时，需要知道真实人群里各死因的相对频次，这份库提供的是官方口径的先验分布。

第二，作为外部效度检验。任何用医院数据训练的死因模型，都可以拿 MDB 的登记构成做一次量级对照，看模型输出的构成是否偏离现实。

第三，作为政策分析的底本。它的价值不在于喂给模型，而在于给模型输出的结论提供一个可被引用的官方参照。

反过来说，把它当作预训练语料是错误的：它的信息密度极低，一行只有几十个整数，且行列语义高度依赖外部码表。真正需要的是把它转成「国家-年-死因-年龄-性别」的长表之后再做统计，而这一步没有现成工具，得自己写。

§9 使用指引

9.1 三种角色的路径

角色	建议路径	要避开的坑
流行病学研究者	先读可用性清单与备注，再取数，最后按可用性分档决定纳入哪些国家-年	直接用全部数据做跨国比较
数据工程师	下载原始文件，写解析器，把四套 ICD 统一成长表，缓存到本地	假设所有国家的 List 相同
政策分析师	用在线平台看标化率与趋势，需要细节时再回原始文件	把平台的缺失当成数据不存在

9.2 一条最短的可用流程

第一步，读可用性清单，确定目标国家在目标年份是否有数据，以及用的是哪套 ICD。

第二步，读备注文件，确认这些国家-年有没有登记范围变化、估算替代、口径调整。

第三步，下载对应的 ICD 分片，按字符型读入前九个字段。

第四步，筛掉 Admin1 或 Subdiv 非空的子人群记录，除非研究对象就是子人群。

第五步，按 Frmat 解码年龄列，把不同格式的年龄格重分组到统一的标准组。

第六步，合并 Pop 文件取分母，连接条件必须包含国家、年份、性别与年龄格式。

第七步，检查 ICD 版本断点，跨版本的国家先做码表桥接，再做趋势。

第八步，标注每个国家-年的可用性档位，低于中档的不进主分析，放进附录。

这八步里，第三步与第五步最容易被省略，也最容易导致结果错误。第三步省了会把 07A 读成 7，第五步省了会把不同宽度的年龄段加在一起。

9.3 引用方式

规范的引用需要包含四件事：数据库名、版本月份、访问日期、以及 WHO 作为来源的致谢。同时按官方要求声明分析与结论由作者负责。

一个可用的模板是：世界卫生组织死亡数据库，2026 年 2 月版，世界卫生组织，2026 年 10 月访问。分析、解释与结论由本文作者负责，不代表世界卫生组织观点。

如果用的是在线平台的标化率，还要注明平台只包含完整性不低于 65% 的数据；如果用的是原始文件，要注明是否做了覆盖率评估。

§10 AI 使用声明

本篇由 AI 辅助检索与撰写，全部事实性陈述均可回溯到世界卫生组织公开页面与其说明文档，核验方式见文末编辑说明。文中不含对任何国家死亡水平的价值判断，也不构成医学、法律或统计方法上的建议。

需要说明三处 AI 容易出错、本篇已做人工校正的地方：其一，ICD 版本的起点。常见说法是从 ICD-6 开始，实际库里最早的是 ICD-7，ICD-6 的数据不在其中。其二，ICD-11 的覆盖。截至 2026 年 2 月版，原始文件里没有 ICD-11 数据，ICD-10 仍是唯一在产的版本线。其三，个体记录。有说法称平台提供逐条死亡记录，实际提供的是聚合计数，最小单元是国家×年份×性别×年龄格×死因。

三处校正的意义不在纠错本身，而在于提示：这份库的描述性信息在网络上有相当多互相矛盾的版本，凡涉及版本、年份、粒度的断言，都应当回到下载页与说明文档核对。

常见误读（避坑清单）

常见说法	实际	证据
「它是全球完整的死因库」	只含上报且经医学证明、编码合规的部分	官方页面与问答页均写明只发布医学证明死亡
「各国死因率可以直接横向比」	覆盖率与编码实践差异极大，官方要求比较时先考虑	下载页关于段明确提示覆盖与垃圾码问题
「能下载逐条死亡记录」	只有聚合计数	说明文档的字段表只有 Deaths 系列计数列
「它和人类死亡率数据库是一回事」	维度、覆盖、分母配套程度全不同	见 §6.2 逐项对照
「数据从 ICD-6 开始」	最早是 ICD-7，1950 年起	下载页只有 ICD-7 至 ICD-10 四套
「已经覆盖到 ICD-11」	截至 2026 年 2 月版没有 ICD-11	下载页文件清单止于 ICD-10
「网页上有多少国家就是多少国家」	平台只放完整性不低于 65% 的数据	平台首页说明
「最新年份总是齐的」	上报滞后十二至十八个月，最新一两年普遍不全	官方问答页关于缺年份的说明
「有死亡数就能直接算率」	人口分母单独发布且覆盖更少	Pop 文件与可用性两个工作表
「同一年的数据只在一个文件里」	版本切换由各国自定，同年数据可能分散在两套文件	说明文档的 List 字段定义
「可以商用」	官方明确非商业用途前提	下载页数据使用条款

FAQ

Q1：这份库和人类死亡率数据库（HMD）到底该怎么选？

看你要的是死因还是死亡水平。要死因构成、要一百多个国家的横向覆盖，用这份库；要各年龄的准确死亡率、要生命表与预期寿命、要分子分母严丝合缝，用 HMD。两者并不冲突，常见做法是用 HMD 定水平、用这份库定结构。

Q2：为什么同一年的数据会出现在两个 ICD 文件里？

因为换版由各国自行决定。ICD-9 的文件覆盖 1979 至 2013 年，ICD-10 的文件覆盖 1988 至 2024 年，中间二十年是重叠的。同一年里，甲国可能还在用 ICD-9，乙国已经用 ICD-10，两套文件各收各的。取数时必须两个文件都查。

Q3：为什么网页上看到的国家比文件里少？

在线平台只展示完整性不低于 65% 的数据，原始文件不做这层过滤。另外平台只放医学证明的死亡，非医学证明的死因不进平台也不进文件。两个口径叠加，平台的国家-年一定少于文件。

Q4：死亡数能不能直接加总得到全国数字？

只有在 Admin1 与 Subdiv 同时为空、且死因列表覆盖全部死因时才能。若某国分片上报，直接加总会把不同覆盖范围混在一起；若某国只报了部分死因类目，加总得到的是部分死因的合计，不是全死因。

Q5：想算年龄别死亡率，分母从哪来？

先用 Pop 文件，注意连接条件要带年龄格式码。Pop 文件缺该国该年时，按官方建议改用联合国人口司的估计。两条来源混用时，要在方法里说明哪几年用了哪一条。

Q6：跨 ICD 版本做时间序列，有现成的桥接表吗？

没有官方发布的一体化桥接表。可行做法是把各版本的码先映射到 ICD-10 的三字符层，再在分析层做合并；映射规则要写明，且要接受汇总列表国家在衔接处的信息损失。

Q7：2020 年之后的死因构成能直接用吗？

要格外小心。各国对新冠死亡的判定规则不同，且疫情期间的登记完整性本身有波动。跨国的「新冠死亡数」不可直接比，做趋势时要单独标注疫情年份。

Q8：引用时写什么版本？

写发布月份，例如「2026 年 2 月版」，并附访问日期。只写数据库名无法复现，因为每年更新既加新数据也改旧数据。

术语表

术语	含义
MDB	Mortality Database，本文指 WHO 死亡数据库
CRVS	民事登记与生命统计系统，各国死亡数据的来源
根本死因	引发导致死亡的一系列病症的那个疾病或损伤，ICD 有专门的判定规则
ICD	国际疾病分类，本文涉及第 7 至第 10 版
List	死因列表标识，说明该行的死因码属于哪一套表、什么粒度
BTL	基本列表，ICD-9 的汇总死因表
垃圾码	信息量极低的死因编码，如「症状与体征」「衰老」
可用性	完整度乘以「一减去垃圾码占比」，衡量带意义的死因信息比例
完整度	登记死亡数占估计全部死亡数的比例
覆盖率	上报死亡数占联合国估算全国死亡数的比例
Frmat	年龄组格式码，决定三十个年龄列各自的宽度
暴露人年	人群在风险中停留的时间总量，本文库里没有，HMD 有

附录 A：核心数字核对表

项	值	来源	层级
覆盖国家与地区	165	可用性清单	一级
国家-年合计	6,512	可用性清单	一级
年份范围	1950–2024	可用性清单	一级
ICD-7 记录数	281,749	说明文档	一级
ICD-8 记录数	380,627	说明文档	一级
ICD-9 记录数	899,470	说明文档	一级
ICD-10 分片数	6 加 1 个补充	下载页	一级
国家代码条数	227	说明文档	一级
备注条数	68	说明文档	一级
人口文件记录数	10,443	说明文档	一级
安装空间	约 900 MB	说明文档	一级
单文件最大行数	逾二百万	下载页	一级
平台完整性门槛	65%	平台首页	一级
上报滞后	12 至 18 个月	官方问答页	一级
可用性高档阈值	80%	GHE 方法文件	二级

附录 B：数字的来源分层

一级：官方页面与官方文档。 覆盖国家数、国家-年数、年份范围、各版本记录数、辅助文件条数、安装空间、完整性门槛、上报滞后，全部取自下载页、说明文档与可用性清单。这些数字是本文的骨架。

二级：WHO 方法文件。 可用性的定义与四档阈值来自全球卫生估计的方法说明，不是这份库自身的发布物。引用时要说明这是方法文件的口径，不是数据集字段。

三级：未核实。 早期汇编的具体年份、平台上线的确切日期，官方页面均未给出，表中只标为「年份未注明」，不做推定。

附录 C：参考文献

World Health Organization. WHO Mortality Database Documentation. Department of Data, Digital Health, Analytics and AI, 23 February 2026.
World Health Organization. WHO Mortality Database 下载页与数据可用性清单（list_ctry_years_feb2026），2026 年 2 月。
World Health Organization. WHO Mortality Database 常见问题页，2020 年 4 月。
World Health Organization. WHO methods and data sources for country-level causes of death 2000–2021. 全球卫生估计方法文件。
WHO Nomenclature Regulations, 1967；世界卫生大会 WHA20.18 号决议。

附录 E：如果只记五件事

第一，它是各国按年上报的死因登记汇编，从 1950 年起，覆盖一百六十余个国家与地区，合计六千五百余个国家-年。

第二，它的最小单元是国家×年份×性别×年龄格×死因，全部是聚合计数，没有任何个体记录。

第三，它按 ICD 版本分成四套文件，最早是 ICD-7，没有 ICD-6，截至 2026 年 2 月版也没有 ICD-11；同一年的数据可能分散在两套文件里。

第四，它不含配套的暴露人年，人口分母单独发布且覆盖更少；要算率得自己合并，要生命表得另找 HMD。

第五，各国的登记完整性与编码质量差异极大，最近两三年数据普遍不全。用之前先读可用性清单与备注，别只读数字。

编辑说明

本篇的核验时间为 2026 年 10 月 29 日。核验方式为直接读取世界卫生组织死亡数据库的官方页面、官方问答页、在线平台首页，并下载其说明文档与 2026 年 2 月版可用性清单，逐项核对字段定义、文件清单、记录数与国家-年覆盖。

覆盖国家数、国家-年数、年份上下限、各 ICD 版本的记录数、辅助文件条数与安装空间，均以说明文档与可用性清单为准；在线平台的完整性门槛与上报滞后，以平台首页与问答页原文为准；可用性的四档阈值取自全球卫生估计的方法文件，并在正文中标注了来源层级。

未覆盖的内容包括：各国内部登记系统的运行细节（官方不发布）、平台的接口规范（官方未公开文档）、以及早期汇编的具体年份（官方页面无记载）。任务描述中提到的「ICD-6 至 ICD-11 跨度」与「含逐条死亡记录」两点，经核对与官方材料不符，正文已按实际材料写作并在 §10 说明校正依据。

本页描述的是数据集的结构、规模与边界，不涉及对任何具体研究结论的评价，也不构成使用建议的法律意见。数据许可需按 WHO 的原始条款逐项确认，商业使用需另行取得授权。