5至9岁儿童死亡概率（每千人）

Probability of dying among children ages 5-9 years (per 1,000)

下载数据

指标代码：SH.DYN.0509所属主题：健康：MortalityHealth: Mortality

2024最新有效年份

193最新年份有值国家

265历史上有数据经济体

51%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

Probability of dying between age 5-9 years of age expressed per 1,000 children aged 5, if subject to age-specific mortality rates of the specified year.

可供参考的中文翻译：5至9岁儿童在某一年份特定年龄死亡率条件下死亡的概率，以每千名5岁儿童中的死亡人数表示。

数据口径与风险提示

该指标为条件概率，反映特定年份年龄别死亡率的瞬时风险，并非个体在该年龄段实际死亡概率的累计估计
数值基于世界银行各国生命登记系统和人口估计推算，部分发展中国家数据可能存在漏报或估算偏差
不同国家报告体系差异可能导致跨国可比性受限，尤其在生命登记覆盖率较低的地区
该指标仅涵盖5至9岁年龄段，无法反映0至4岁婴幼儿死亡风险的早期差异
数值下降可能源于多种因素的综合作用，包括医疗进步、营养改善、安全环境提升等，需结合其他健康指标综合解读
作为低概率事件，极小数值可能放大统计波动对变化率的影响，尤其在样本量有限时需谨慎解读

中国趋势

趋势解读

中国5至9岁儿童死亡概率呈现持续且显著的下降趋势，从1990年的4.4‰降至2024年的0.8‰，降幅超过80%。这一时期下降可分为两个阶段：1990年代初期至2000年代初期下降尤为迅速，2000年代中期后降速趋缓，近年来基本稳定在1‰以下。1990年代该年龄段死亡率仍维持在2.5‰以上，而至2010年代初期已降至1.1‰左右，随后在低水平区间波动。该指标的持续改善反映了中国在儿童医疗保健、营养、疫苗接种、安全环境等方面的系统性提升，但低基数下的进一步改善空间有限。

1990年中国5至9岁儿童死亡概率为4.4‰，为有记录以来的最高值
2024年降至0.8‰，为有记录以来的最低值
从1990年至2024年，数值从4.4‰下降至0.8‰，绝对降幅为3.6个千分点
2008年首次降至1.5‰以下，此后仅用约15年进一步降至0.8‰
2010年代初期至中期维持在1.1‰左右，近年在0.9‰至1.0‰之间波动
在极低死亡率水平下，数值的小幅波动可能不具有实质性意义
该指标无法区分死亡原因结构变化，如意外伤害与疾病死亡的相对占比
缺乏分性别、分城乡的详细分解数据，限制了对不平等问题的深入分析

全球趋势

趋势解读

全球5至9岁儿童死亡概率从1990年的9.6‰大幅下降至2024年的3.4‰，整体降幅约65%，但下降速度明显慢于中国。1990年代初期全球水平约为中国2.2倍，至2024年扩大至约4.3倍，差距显著拉大。全球下降轨迹相对平稳，未出现像中国那样的快速追赶阶段，主要受益于全球卫生资源的普遍改善和疫苗普及。近年来全球数值在3.5‰左右企稳，下降动能有所减弱，但发展中国家与发达国家之间的巨大差距仍是主要挑战。

1990年全球5至9岁儿童死亡概率为9.6‰，2024年降至3.4‰
从首年至最新年的比率为0.354，意味着全球水平降至期初约35%
1990年全球水平是中国（4.4‰）的约2.2倍
至2024年，全球水平（3.4‰）扩大为中国（0.8‰）的约4.3倍
近年来下降趋于平缓，2021至2024年间基本在3.5‰左右波动
全球平均水平掩盖了地区间的巨大差异，非洲等高负担地区死亡率仍远超全球均值
不同国家报告质量参差不齐，部分地区数据可能存在较大不确定性
全球指标受人口结构变化影响，不同区域在不同时期对全球均值的贡献权重不同

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1970-1979	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1980-1989	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1990-1999	0.6x	0.8x	该十年中国下降幅度（约为期初的57%）显著大于全球（约为期初的75%），反映中国在该阶段儿童健康领域追赶速度快于全球平均，可能受益于卫生系统的快速扩张和基本医疗服务的广泛覆盖，但两组绝对值差距较大，中国起点远低于全球平均水平，需考虑基数差异对倍数的稀释效应。
2000-2009	0.6x	0.8x	中国下降幅度（约为期初的58%）仍快于全球（约为期初的76%），显示中国在低基数水平上继续保持快速改善，而全球下降边际递减更为明显，两者在该阶段末期绝对值差距已显著收窄。
2010-2019	0.7x	0.7x	中国下降幅度（约为期初的71%）与全球（约为期初的74%）趋于接近，表明中国在极低死亡率水平上面临边际改善难度加大的瓶颈，而全球仍受益于部分发展中国家的追赶效应，两者下降节奏趋同。
2020-2029	0.9x	0.9x	中国（约为期初的89%）与全球（约为期初的94%）的下降幅度差异进一步缩小，均处于极高平台期，这一阶段变化可能主要反映疫情波动、数据修订周期及统计口径调整等短期因素，而非实质性健康状况变化。

2024 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	West Bank and Gaza 约旦河西岸和加沙	PSE	28.1
2	Niger 尼日尔	NER	17.8
3	Somalia, Fed. Rep. 索马里	SOM	14.1
4	Sierra Leone 塞拉利昂	SLE	13.7
5	Nigeria 尼日利亚	NGA	13.5
6	South Sudan 南苏丹	SSD	13.5
7	Madagascar 马达加斯加	MDG	11.6
8	Benin 贝宁	BEN	11.4
9	Central African Republic 中非共和国	CAF	11.2
10	Cameroon 喀麦隆	CMR	10.9
11	Chad 乍得	TCD	10.7
12	Guinea 几内亚	GIN	10.7
13	Mali 马里	MLI	10.2
14	Congo, Dem. Rep. 刚果（金）	COD	9.90
15	Burundi 布隆迪	BDI	9.70
16	Sudan 苏丹	SDN	8.60
17	Liberia 利比里亚	LBR	8.50
18	Cote d'Ivoire 科特迪瓦	CIV	8.20
19	Tanzania 坦桑尼亚	TZA	8.20
20	Equatorial Guinea 赤道几内亚	GNQ	7.80
21	Uganda 乌干达	UGA	6.80
22	Angola 安哥拉	AGO	6.60
23	Djibouti 吉布提	DJI	6.50
24	Malawi 马拉维	MWI	6.20
25	Guinea-Bissau 几内亚比绍	GNB	6.10
26	Zambia 赞比亚	ZMB	5.80
27	Kiribati 基里巴斯	KIR	5.70
28	Togo 多哥	TGO	5.60
29	Ghana 加纳	GHA	5.40
30	Timor-Leste 东帝汶	TLS	5.20
31	Afghanistan 阿富汗	AFG	5.10
32	Haiti 海地	HTI	5.10
33	Burkina Faso 布基纳法索	BFA	4.70
34	Mozambique 莫桑比克	MOZ	4.70
35	Gambia, The 冈比亚	GMB	4.60
36	Gabon 加蓬	GAB	4.30
37	Papua New Guinea 巴布亚新几内亚	PNG	4.30
38	Yemen, Rep. 也门	YEM	4.30
39	Ethiopia 埃塞俄比亚	ETH	4.20
40	Senegal 塞内加尔	SEN	4.20
41	Lesotho 莱索托	LSO	4.00
42	Mauritania 毛里塔尼亚	MRT	4.00
43	Zimbabwe 津巴布韦	ZWE	4.00
44	Comoros 科摩罗	COM	3.80
45	Eswatini 斯威士兰	SWZ	3.60
46	Namibia 纳米比亚	NAM	3.60
47	Lebanon 黎巴嫩	LBN	3.30
48	Eritrea 厄立特里亚	ERI	3.10
49	Congo, Rep. 刚果（布）	COG	3.00
50	Marshall Islands 马绍尔群岛	MHL	3.00
51	Pakistan 巴基斯坦	PAK	3.00
52	Uzbekistan 乌兹别克斯坦	UZB	2.90
53	Botswana 博茨瓦纳	BWA	2.60
54	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	2.60
55	Indonesia 印度尼西亚	IDN	2.50
56	Palau 帕劳	PLW	2.50
57	Bangladesh 孟加拉国	BGD	2.40
58	Kenya 肯尼亚	KEN	2.40
59	Rwanda 卢旺达	RWA	2.40
60	South Africa 南非	ZAF	2.40
61	Bhutan 不丹	BTN	2.30
62	Cambodia 柬埔寨	KHM	2.30
63	Nepal 尼泊尔	NPL	2.30
64	Solomon Islands 所罗门群岛	SLB	2.30
65	Fiji 斐济	FJI	2.20
66	Iraq 伊拉克	IRQ	2.20
67	Syrian Arab Republic 叙利亚	SYR	2.20
68	Tuvalu 图瓦卢	TUV	2.20
69	Lao PDR 老挝	LAO	2.10
70	Philippines 菲律宾	PHL	2.10
71	Korea, Dem. People's Rep. 朝鲜	PRK	2.00
72	Suriname 苏里南	SUR	2.00
73	Vanuatu 瓦努阿图	VUT	2.00
74	Grenada 格林纳达	GRD	1.90
75	India 印度	IND	1.90
76	Myanmar 缅甸	MMR	1.90
77	Bolivia 玻利维亚	BOL	1.80
78	Turkmenistan 土库曼斯坦	TKM	1.80
79	Egypt, Arab Rep. 埃及	EGY	1.70
80	Guatemala 危地马拉	GTM	1.70
81	Honduras 洪都拉斯	HND	1.70
82	Azerbaijan 阿塞拜疆	AZE	1.60
83	Thailand 泰国	THA	1.60
84	Algeria 阿尔及利亚	DZA	1.50
85	Dominica 多米尼克	DMA	1.50
86	Ecuador 厄瓜多尔	ECU	1.50
87	El Salvador 萨尔瓦多	SLV	1.50
88	Iran, Islamic Rep. 伊朗	IRN	1.50
89	Jamaica 牙买加	JAM	1.50
90	Dominican Republic 多米尼加共和国	DOM	1.40
91	Panama 巴拿马	PAN	1.40
92	Tunisia 突尼斯	TUN	1.40
93	Guyana 圭亚那	GUY	1.30
94	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	1.30
95	Mongolia 蒙古	MNG	1.30
96	Morocco 摩洛哥	MAR	1.30
97	Peru 秘鲁	PER	1.30
98	Sao Tome and Principe 圣多美和普林西比	STP	1.30
99	St. Kitts and Nevis 圣基茨和尼维斯	KNA	1.30
100	Venezuela, RB 委内瑞拉	VEN	1.30
101	Brazil 巴西	BRA	1.20
102	Kazakhstan 哈萨克斯坦	KAZ	1.20
103	Oman 阿曼	OMN	1.20
104	St. Lucia 圣卢西亚	LCA	1.20
105	Belize 伯利兹	BLZ	1.10
106	Croatia 克罗地亚	HRV	1.10
107	Cuba 古巴	CUB	1.10
108	Libya 利比亚	LBY	1.10
109	Mexico 墨西哥	MEX	1.10
110	Nicaragua 尼加拉瓜	NIC	1.10
111	Samoa 萨摩亚	WSM	1.10
112	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	1.10
113	Tonga 汤加	TON	1.10
114	Armenia 亚美尼亚	ARM	1.00
115	Bahamas, The 巴哈马	BHS	1.00
116	Brunei Darussalam 文莱	BRN	1.00
117	Colombia 哥伦比亚	COL	1.00
118	Nauru 瑙鲁	NRU	1.00
119	Seychelles 塞舌尔	SYC	1.00
120	Viet Nam 越南	VNM	1.00
121	Antigua and Barbuda 安提瓜和巴布达	ATG	0.90
122	Argentina 阿根廷	ARG	0.90
123	Bahrain 巴林	BHR	0.90
124	Cabo Verde 佛得角	CPV	0.90
125	Kosovo 科索沃	XKX	0.90
126	Malaysia 马来西亚	MYS	0.90
127	Moldova 摩尔多瓦	MDA	0.90
128	Tajikistan 塔吉克斯坦	TJK	0.90
129	Turkiye 土耳其	TUR	0.90
130	Bosnia and Herzegovina 波黑	BIH	0.80
131	China 中国	CHN	0.80
132	Costa Rica 哥斯达黎加	CRI	0.80
133	Kuwait 科威特	KWT	0.80
134	Mauritius 毛里求斯	MUS	0.80
135	Paraguay 巴拉圭	PRY	0.80
136	Qatar 卡塔尔	QAT	0.80
137	Saudi Arabia 沙特阿拉伯	SAU	0.80
138	Ukraine 乌克兰	UKR	0.80
139	Albania 阿尔巴尼亚	ALB	0.70
140	Bulgaria 保加利亚	BGR	0.70
141	Georgia 格鲁吉亚	GEO	0.70
142	Jordan 约旦	JOR	0.70
143	Russian Federation 俄罗斯	RUS	0.70
144	Sri Lanka 斯里兰卡	LKA	0.70
145	United Arab Emirates 阿联酋	ARE	0.70
146	Chile 智利	CHL	0.60
147	Romania 罗马尼亚	ROU	0.60
148	United States 美国	USA	0.60
149	Uruguay 乌拉圭	URY	0.60
150	Barbados 巴巴多斯	BRB	0.50
151	Canada 加拿大	CAN	0.50
152	Estonia 爱沙尼亚	EST	0.50
153	Latvia 拉脱维亚	LVA	0.50
154	Lithuania 立陶宛	LTU	0.50
155	Maldives 马尔代夫	MDV	0.50
156	North Macedonia 北马其顿	MKD	0.50
157	Serbia 塞尔维亚	SRB	0.50
158	Slovak Republic 斯洛伐克	SVK	0.50
159	Australia 澳大利亚	AUS	0.40
160	Belarus 白俄罗斯	BLR	0.40
161	Cyprus 塞浦路斯	CYP	0.40
162	Czechia 捷克	CZE	0.40
163	Finland 芬兰	FIN	0.40
164	France 法国	FRA	0.40
165	Germany 德国	DEU	0.40
166	Hungary 匈牙利	HUN	0.40
167	Israel 以色列	ISR	0.40
168	Japan 日本	JPN	0.40
169	Korea, Rep. 韩国	KOR	0.40
170	Montenegro 黑山	MNE	0.40
171	Netherlands 荷兰	NLD	0.40
172	New Zealand 新西兰	NZL	0.40
173	Poland 波兰	POL	0.40
174	Portugal 葡萄牙	PRT	0.40
175	Spain 西班牙	ESP	0.40
176	Andorra 安道尔	AND	0.30
177	Austria 奥地利	AUT	0.30
178	Belgium 比利时	BEL	0.30
179	Denmark 丹麦	DNK	0.30
180	Greece 希腊	GRC	0.30
181	Ireland 爱尔兰	IRL	0.30
182	Italy 意大利	ITA	0.30
183	Malta 马耳他	MLT	0.30
184	Monaco 摩纳哥	MCO	0.30
185	Norway 挪威	NOR	0.30
186	Singapore 新加坡	SGP	0.30
187	Slovenia 斯洛文尼亚	SVN	0.30
188	Sweden 瑞典	SWE	0.30
189	Switzerland 瑞士	CHE	0.30
190	United Kingdom 英国	GBR	0.30
191	Iceland 冰岛	ISL	0.20
192	Luxembourg 卢森堡	LUX	0.20
193	San Marino 圣马力诺	SMR	0.20

使用建议、常见误用与研究场景

数值较高通常意味着什么

较高的数值表示该年龄段儿童在特定年份死亡的概率较大，反映儿童生存环境、医疗保障、营养水平或安全条件相对薄弱，群体面临较高的死亡风险，需要关注背后的健康决定因素。

数值较低通常意味着什么

较低的数值表示该年龄段儿童死亡概率较小，反映儿童获得的医疗保健、营养供给、环境安全等保障较为充分，生存条件显著改善，通常对应更高的儿童健康发展水平。

鍙ｅ緞闄愬埗

该指标为特定年份的条件概率，仅反映当期的年龄别死亡风险，而非个体从出生至10岁的累计死亡经历，不宜直接等同于个体的真实死亡概率
基于各国生命登记系统和人口估计推算，部分低收入国家可能存在漏报或数据估算偏差，导致实际死亡率被低估
跨国比较受各国统计体系、报告标准差异影响，尤其在生命登记覆盖率较低的地区，数据的可信度和可比性可能受限
该指标仅覆盖5至9岁年龄段，无法单独评估0至4岁婴幼儿死亡风险及其他年龄段健康状况，需结合其他年龄组指标综合分析

使用建议

分析时建议结合更完整的年龄组数据（如SH.DYN.AMRT用于0至4岁、SH.DYN.1014用于10至14岁），以获得从出生至青少年的连续健康轨迹
跨国研究应关注数据来源质量说明，优先使用世界银行标准化处理后的数据，并参考数据的可靠性评级
时间序列分析应区分结构性趋势与短期波动，尤其在极低死亡率区间，小幅数值变化可能主要反映统计噪声而非实质性健康改变
结合医疗条件、营养状况、安全环境等维度的配套数据，可更全面地解读死亡概率变化的驱动因素

常见错误用法

错误做法：将SH.DYN.0509视为个体在整个5至9岁期间累计死亡概率，直接乘以样本规模估算死亡人数

正确做法：将其理解为特定年份该年龄组死亡概率的瞬时估计，用于趋势或跨国比较，实际人数推算需结合人口结构和该年龄组规模换算

该指标为条件概率而非累计发生率，直接乘以人口数会严重高估预期死亡人数，需要通过年龄别人口×死亡率的方式估算

错误做法：仅因中国数值低于全球均值便得出中国儿童健康优于全球的结论，忽视两国在起始时间点和发展路径上的显著差异

正确做法：结合历史数据变化趋势、起点差异及下降速度等多维因素综合评估，审慎解读相对排名

1990年中国（4.4‰）仅为全球（9.6‰）的约46%，虽然追赶速度更快，但起点远低于全球平均水平，简单排名可能掩盖基数效应和信息不对称

错误做法：在跨国比较时忽视数据质量和覆盖范围差异，直接将不同统计体系下的数值进行对比

正确做法：参考世界银行提供的数据可靠性评级，优先使用经过标准化处理的数据，并对统计体系差异较大的国家进行敏感性分析

部分低收入国家存在数据漏报或估算偏差，不同国家的生命登记覆盖率差异显著，可能导致跨国可比性受限

实际应用场景

基本卫生服务扩张与儿童生存率改善的因果效应评估：研究者利用中国1990年代基本医疗保险覆盖扩大和基层卫生服务网络建设的政策窗口，采用双重差分法评估卫生资源配置对5至9岁儿童死亡率的影响被解释变量通过比较政策覆盖前后的死亡率变化趋势，识别卫生服务扩张的因果效应，需控制经济增速、教育水平等混杂因素，并关注政策实施时序的异质性
营养改善计划对儿童健康的多维度影响分析：评估2000年代中国实施的学生营养餐计划和农村义务教育学生营养改善计划对儿童死亡风险的作用机制机制变量结合固定效应模型和中介效应分析，识别营养改善通过降低死亡概率提升儿童健康水平的传导路径，需注意营养干预与其他同期政策（如医疗改革）的协同效应
区域健康不平等的分解与驱动因素识别：比较东部沿海与西部内陆地区5至9岁儿童死亡概率差异，量化经济水平、医疗资源、教育程度等因素对健康不平等的贡献 robustness 采用 Oaxaca-Blinder 分解和 Shapley 值分解方法，将组间差异分解为可解释因素和不可解释因素，增强研究结论的稳健性
全球儿童健康目标进展的跨国研究：利用世界银行跨国面板数据，评估SDG目标3.2（消除可预防的儿童死亡）进展，识别仍面临高风险的地区和国家群体被解释变量采用面板回归和聚类分析，识别影响全球儿童死亡概率下降的关键因素（如医疗支出、疫苗覆盖率），需考虑跨国数据的异质性处理
自然灾害与突发公共事件对儿童健康短期冲击的评估：分析2008年汶川地震、2020年新冠疫情等重大事件对四川省及全国5至9岁儿童死亡概率的短期影响 outcome 采用事件研究法和断点回归设计，识别极端事件对儿童健康的因果效应，需控制时间趋势和季节性因素，并区分直接死亡与间接健康损失