10-14岁青少年死亡概率（每千人）

Probability of dying among adolescents ages 10-14 years (per 1,000)

下载数据

指标代码：SH.DYN.1014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 10-14 years of age expressed per 1,000 adolescents age 10, if subject to age-specific mortality rates of the specified year.

可供参考的中文翻译：根据指定年份的年龄别死亡率，10-14岁青少年在满15岁之前死亡的概率，以每千名10岁青少年对应的死亡人数表示。

数据口径与风险提示

该指标为概率值而非实际死亡人数，反映的是特定年龄组在假设年龄别死亡率不变情况下的死亡风险
数值基于模型估计的年龄别死亡率，实际调查数据可能因抽样方法、报告质量而存在差异
不同国家的死亡登记完整度和死因分类标准可能影响数据的国际可比性
该指标反映全因死亡风险，不区分具体死因
作为概率指标，不宜直接等同于该年龄组的实际死亡规模
数据为回顾性估计，反映历史年度的死亡模式，而非实时监测数据
跨国比较时需注意医疗保健水平、统计体系和社会条件的差异

中国趋势

趋势解读

中国10-14岁青少年死亡概率从1990年的2.7‰大幅下降至2024年的0.9‰，降幅约为期初值的67%，整体呈现持续稳定的下降趋势。从时间序列看，1990年代初期至中期下降最为迅速（从2.7‰降至2.1‰），2000年代保持平稳下行态势，2010年代后下降速度明显放缓，近年已稳定在0.9‰左右。这一变化轨迹可能反映了中国在儿童医疗保健、意外伤害预防、学校卫生管理等方面取得的进展，但降至当前水平后进一步下降的空间相对有限。

1990年首次观测值为2.7‰，2024年最新值为0.9‰
最大值出现在1990年（2.7‰），最小值出现在2020年（0.9‰）
从首次至最新共35个年度数据点
近期（2023-2024）维持在0.9‰不变
当前水平已处于极低区间，后续变化幅度可能有限
下降趋势可能受基数效应影响，初期降幅自然较大
该指标为全因死亡概率，无法区分具体死因结构变化

全球趋势

趋势解读

全球10-14岁青少年死亡概率从1990年的5.1‰下降至2024年的2.7‰，降幅约为期初值的47%，整体呈现持续但相对平缓的下降趋势。从时间序列看，1990年代初期至中期有所波动（1991年曾短暂升至5.2‰），此后稳步下降，2010年代后下降速度有所放缓。全球下降幅度明显小于中国，意味着中国在该年龄段的风险水平已显著低于全球平均水平。但近年来全球降幅有所加大（2022年曾小幅回升至2.9‰），可能与部分地区公共卫生条件改善或统计口径调整有关。

1990年首次观测值为5.1‰，2024年最新值为2.7‰
最大值出现在1991年（5.2‰），最小值出现在2024年（2.7‰）
从首次至最新共35个年度数据点
2022年曾小幅回升至2.9‰，随后恢复下降
全球为所有有数据国家的加权平均值，不同区域差异悬殊
下降趋势受高死亡率国家改善情况影响较大
该指标为全因死亡概率，无法反映死因结构差异

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	0.7x	0.8x	中国的阶段变化率低于世界，可能意味着本国分母项相对分子项改善更快，或净进口依赖、国内供需结构与全球平均出现分化。该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。
2000-2009	0.7x	0.9x	中国降至期初值的约0.72倍，世界约为0.88倍，中国下降优势略有收窄。这一阶段差异可能反映中国下降空间已相对有限，而高死亡率发展中国家仍有较大改善余地，或提示两者的死亡风险结构已出现分化。
2010-2019	0.8x	0.8x	中国和世界的倍数分别为约0.83倍和约0.83倍，阶段性变化率趋于接近。这可能意味着中国该指标已降至较低水平后进入平台期，而全球下降主要由其他高风险地区贡献，两者驱动力可能已不同。
2020-2029	1.0x	1.0x	中国倍数维持在1.0倍（无变化），世界约为0.96倍。中国已进入完全平台期，世界仍有小幅下降空间，可能反映中国已接近该指标的理论下限，而部分发展中国家仍在持续改善。

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	31.8
2	Niger 尼日尔	NER	12.2
3	Central African Republic 中非共和国	CAF	10.3
4	Chad 乍得	TCD	9.70
5	Sierra Leone 塞拉利昂	SLE	9.50
6	Nigeria 尼日利亚	NGA	8.80
7	Somalia, Fed. Rep. 索马里	SOM	8.50
8	South Sudan 南苏丹	SSD	8.20
9	Burundi 布隆迪	BDI	8.00
10	Congo, Dem. Rep. 刚果（金）	COD	7.90
11	Eswatini 斯威士兰	SWZ	7.90
12	Mali 马里	MLI	7.70
13	Cameroon 喀麦隆	CMR	7.50
14	Liberia 利比里亚	LBR	7.40
15	Madagascar 马达加斯加	MDG	7.30
16	Cote d'Ivoire 科特迪瓦	CIV	7.00
17	Benin 贝宁	BEN	6.70
18	Equatorial Guinea 赤道几内亚	GNQ	6.00
19	Guinea 几内亚	GIN	5.90
20	Guinea-Bissau 几内亚比绍	GNB	5.60
21	Zimbabwe 津巴布韦	ZWE	5.40
22	Malawi 马拉维	MWI	4.90
23	Sudan 苏丹	SDN	4.90
24	Angola 安哥拉	AGO	4.70
25	Djibouti 吉布提	DJI	4.70
26	Togo 多哥	TGO	4.70
27	Bhutan 不丹	BTN	4.50
28	Ghana 加纳	GHA	4.50
29	Uganda 乌干达	UGA	4.40
30	Lesotho 莱索托	LSO	4.30
31	Senegal 塞内加尔	SEN	4.30
32	Afghanistan 阿富汗	AFG	4.20
33	Gambia, The 冈比亚	GMB	4.10
34	Kiribati 基里巴斯	KIR	4.10
35	Yemen, Rep. 也门	YEM	4.10
36	Haiti 海地	HTI	4.00
37	Gabon 加蓬	GAB	3.90
38	Timor-Leste 东帝汶	TLS	3.80
39	Mozambique 莫桑比克	MOZ	3.60
40	Tanzania 坦桑尼亚	TZA	3.60
41	Zambia 赞比亚	ZMB	3.50
42	Ethiopia 埃塞俄比亚	ETH	3.30
43	Papua New Guinea 巴布亚新几内亚	PNG	3.30
44	El Salvador 萨尔瓦多	SLV	3.20
45	Namibia 纳米比亚	NAM	3.20
46	Botswana 博茨瓦纳	BWA	3.00
47	Honduras 洪都拉斯	HND	3.00
48	South Africa 南非	ZAF	3.00
49	Burkina Faso 布基纳法索	BFA	2.90
50	Fiji 斐济	FJI	2.90
51	Uzbekistan 乌兹别克斯坦	UZB	2.90
52	Congo, Rep. 刚果（布）	COG	2.80
53	Eritrea 厄立特里亚	ERI	2.80
54	Lebanon 黎巴嫩	LBN	2.80
55	Pakistan 巴基斯坦	PAK	2.80
56	Lao PDR 老挝	LAO	2.70
57	Mauritania 毛里塔尼亚	MRT	2.70
58	Thailand 泰国	THA	2.70
59	Grenada 格林纳达	GRD	2.60
60	Iraq 伊拉克	IRQ	2.60
61	Comoros 科摩罗	COM	2.50
62	Marshall Islands 马绍尔群岛	MHL	2.50
63	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	2.50
64	Guatemala 危地马拉	GTM	2.30
65	Philippines 菲律宾	PHL	2.30
66	India 印度	IND	2.20
67	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	2.20
68	Palau 帕劳	PLW	2.10
69	Suriname 苏里南	SUR	2.10
70	Bangladesh 孟加拉国	BGD	2.00
71	Ecuador 厄瓜多尔	ECU	2.00
72	Guyana 圭亚那	GUY	2.00
73	Indonesia 印度尼西亚	IDN	2.00
74	Kenya 肯尼亚	KEN	2.00
75	Myanmar 缅甸	MMR	2.00
76	Nepal 尼泊尔	NPL	2.00
77	Solomon Islands 所罗门群岛	SLB	2.00
78	Syrian Arab Republic 叙利亚	SYR	2.00
79	Tuvalu 图瓦卢	TUV	2.00
80	Bolivia 玻利维亚	BOL	1.90
81	Nicaragua 尼加拉瓜	NIC	1.90
82	Rwanda 卢旺达	RWA	1.90
83	Turkmenistan 土库曼斯坦	TKM	1.90
84	Venezuela, RB 委内瑞拉	VEN	1.90
85	Egypt, Arab Rep. 埃及	EGY	1.80
86	Korea, Dem. People's Rep. 朝鲜	PRK	1.80
87	Mongolia 蒙古	MNG	1.80
88	Panama 巴拿马	PAN	1.80
89	Vanuatu 瓦努阿图	VUT	1.80
90	Iran, Islamic Rep. 伊朗	IRN	1.70
91	Jamaica 牙买加	JAM	1.70
92	Algeria 阿尔及利亚	DZA	1.60
93	Azerbaijan 阿塞拜疆	AZE	1.60
94	Brazil 巴西	BRA	1.60
95	Dominican Republic 多米尼加共和国	DOM	1.60
96	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	1.60
97	Sao Tome and Principe 圣多美和普林西比	STP	1.60
98	St. Kitts and Nevis 圣基茨和尼维斯	KNA	1.60
99	Viet Nam 越南	VNM	1.60
100	Cambodia 柬埔寨	KHM	1.50
101	Mexico 墨西哥	MEX	1.50
102	Peru 秘鲁	PER	1.50
103	Tunisia 突尼斯	TUN	1.50
104	Belize 伯利兹	BLZ	1.40
105	Colombia 哥伦比亚	COL	1.40
106	Kazakhstan 哈萨克斯坦	KAZ	1.40
107	Bahamas, The 巴哈马	BHS	1.30
108	Moldova 摩尔多瓦	MDA	1.30
109	Paraguay 巴拉圭	PRY	1.30
110	Antigua and Barbuda 安提瓜和巴布达	ATG	1.20
111	Argentina 阿根廷	ARG	1.20
112	Costa Rica 哥斯达黎加	CRI	1.20
113	Cuba 古巴	CUB	1.20
114	Libya 利比亚	LBY	1.20
115	Oman 阿曼	OMN	1.20
116	Barbados 巴巴多斯	BRB	1.10
117	Dominica 多米尼克	DMA	1.10
118	Malaysia 马来西亚	MYS	1.10
119	Russian Federation 俄罗斯	RUS	1.10
120	Samoa 萨摩亚	WSM	1.10
121	Seychelles 塞舌尔	SYC	1.10
122	Turkiye 土耳其	TUR	1.10
123	Ukraine 乌克兰	UKR	1.10
124	Armenia 亚美尼亚	ARM	1.00
125	Cabo Verde 佛得角	CPV	1.00
126	Kosovo 科索沃	XKX	1.00
127	Nauru 瑙鲁	NRU	1.00
128	Albania 阿尔巴尼亚	ALB	0.90
129	Bahrain 巴林	BHR	0.90
130	Bosnia and Herzegovina 波黑	BIH	0.90
131	China 中国	CHN	0.90
132	Croatia 克罗地亚	HRV	0.90
133	Georgia 格鲁吉亚	GEO	0.90
134	Kuwait 科威特	KWT	0.90
135	Mauritius 毛里求斯	MUS	0.90
136	Morocco 摩洛哥	MAR	0.90
137	Sri Lanka 斯里兰卡	LKA	0.90
138	Tajikistan 塔吉克斯坦	TJK	0.90
139	United States 美国	USA	0.90
140	Uruguay 乌拉圭	URY	0.90
141	Brunei Darussalam 文莱	BRN	0.80
142	Bulgaria 保加利亚	BGR	0.80
143	Chile 智利	CHL	0.80
144	Maldives 马尔代夫	MDV	0.80
145	Serbia 塞尔维亚	SRB	0.80
146	St. Lucia 圣卢西亚	LCA	0.80
147	North Macedonia 北马其顿	MKD	0.70
148	Qatar 卡塔尔	QAT	0.70
149	Romania 罗马尼亚	ROU	0.70
150	Saudi Arabia 沙特阿拉伯	SAU	0.70
151	Canada 加拿大	CAN	0.60
152	Estonia 爱沙尼亚	EST	0.60
153	Jordan 约旦	JOR	0.60
154	Lithuania 立陶宛	LTU	0.60
155	Montenegro 黑山	MNE	0.60
156	New Zealand 新西兰	NZL	0.60
157	Poland 波兰	POL	0.60
158	Slovak Republic 斯洛伐克	SVK	0.60
159	Tonga 汤加	TON	0.60
160	United Arab Emirates 阿联酋	ARE	0.60
161	Australia 澳大利亚	AUS	0.50
162	Belarus 白俄罗斯	BLR	0.50
163	Cyprus 塞浦路斯	CYP	0.50
164	Czechia 捷克	CZE	0.50
165	Germany 德国	DEU	0.50
166	Hungary 匈牙利	HUN	0.50
167	Italy 意大利	ITA	0.50
168	Japan 日本	JPN	0.50
169	Korea, Rep. 韩国	KOR	0.50
170	Latvia 拉脱维亚	LVA	0.50
171	Malta 马耳他	MLT	0.50
172	Netherlands 荷兰	NLD	0.50
173	Portugal 葡萄牙	PRT	0.50
174	Singapore 新加坡	SGP	0.50
175	Andorra 安道尔	AND	0.40
176	Austria 奥地利	AUT	0.40
177	Belgium 比利时	BEL	0.40
178	Finland 芬兰	FIN	0.40
179	France 法国	FRA	0.40
180	Greece 希腊	GRC	0.40
181	Israel 以色列	ISR	0.40
182	Monaco 摩纳哥	MCO	0.40
183	Norway 挪威	NOR	0.40
184	Slovenia 斯洛文尼亚	SVN	0.40
185	Spain 西班牙	ESP	0.40
186	Sweden 瑞典	SWE	0.40
187	United Kingdom 英国	GBR	0.40
188	Denmark 丹麦	DNK	0.30
189	Iceland 冰岛	ISL	0.30
190	Ireland 爱尔兰	IRL	0.30
191	Luxembourg 卢森堡	LUX	0.30
192	Switzerland 瑞士	CHE	0.30
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

该指标数值越高，表明该年龄组在满15岁之前死亡的风险越大，通常意味着基本卫生服务可及性不足、医疗保健覆盖有限或意外伤害防护机制薄弱。在跨国比较或时间序列分析中，较高值往往反映出公共卫生体系或社会安全保障方面存在需要关注的问题。

数值较低通常意味着什么

该指标数值越低，表明10-14岁青少年死亡概率越低，通常意味着该年龄段在医疗保健、疾病预防、意外伤害管控等方面表现良好。在分析时应注意极低数值可能反映该年龄段已接近理论下限，进一步下降空间有限。

鍙ｅ緞闄愬埗

该指标为概率值而非实际死亡人数，反映的是特定年龄组在假设年龄别死亡率不变情况下的死亡风险，不能直接等同于实际死亡规模
数值基于模型估计的年龄别死亡率，实际调查数据可能因抽样方法、报告质量而存在差异，跨国比较时需注意统计口径差异
不同国家的死亡登记完整度和死因分类标准可能影响数据的国际可比性，部分发展中国家可能存在漏报情况
该指标反映全因死亡风险，不区分具体死因，无法反映死因结构变化或特定疾病负担

使用建议

进行跨国比较时，应优先选择统计体系相对完善、数据质量较高的国家子集，避免将数据质量差异较大的国家直接并列
分析时间序列变化时，建议结合其他指标如医疗保健覆盖率、意外伤害死亡率等，以全面理解变化背后的驱动因素
解读极低水平数值时，应结合该指标的理论下限和统计显著性进行判断，避免对微小波动做过分解读
在政策研究或学术分析中使用该指标时，应明确说明数据来源、模型假设及可能的测量误差

常见错误用法

错误做法：将SH.DYN.1014数值直接等同于该年龄段每年的实际死亡人数

正确做法：应将其理解为在假设当前年龄别死亡率保持不变条件下，一个人从10岁存活到15岁的概率

该指标是概率值而非计数指标，反映的是死亡风险而非绝对死亡规模，直接等同会造成严重高估死亡水平

错误做法：用该指标在不同发展阶段国家间进行简单横向比较而不考虑数据质量差异

正确做法：应评估各国死亡登记系统的完整度和数据可靠性，优先使用统计体系健全国家的可比数据

部分发展中国家的死亡登记存在漏报或错报问题，简单比较会将数据质量差异误判为真实风险差异

错误做法：将该指标用于预测未来死亡趋势而不说明其基于历史数据的假设前提

正确做法：应明确这是基于历史年度年龄别死亡率的回顾性估计，反映的是历史死亡模式而非实时数据

该数据具有滞后性，且假设前提可能随医疗技术进步、公共卫生政策调整而失效，盲目外推可能产生误导

错误做法：在分析该指标下降趋势时忽视基数效应，将后期小幅下降解读为改善放缓

正确做法：应结合该指标已处于极低水平的事实，认识到后期下降难度显著增大，需用非线性模型或相对变化衡量真实改善幅度

当指标降至较低水平后，分子分母结构变化可能导致下降空间受限，简单线性外推会低估实际改善成效

实际应用场景

儿童健康水平的国际比较与追赶分析：研究者希望评估不同国家或地区在青少年健康 outcomes 方面的相对表现，通过比较该指标的历史变化轨迹识别追赶效应 outcome（被解释变量）可采用面板数据固定效应模型控制国家异质性，同时加入人均GDP、医疗支出占比等控制变量，识别社会经济因素对儿童死亡风险的影响；需要注意数据质量异方差问题，建议进行敏感性检验
基本卫生服务覆盖与死亡风险的结构性分析：政策研究者试图验证基本卫生服务可及性改善与青少年死亡概率下降之间的关联强度，为资源配置决策提供依据 mechanism（机制变量）可采用两阶段最小二乘法或中介效应模型，将基本卫生服务覆盖率作为中介变量，检验其对死亡风险的传导路径；需控制自然灾害、战争等外部冲击因素的影响
意外伤害预防政策效果评估：公共卫生研究者希望评估特定时间段内意外伤害防控政策实施前后，该年龄段死亡概率是否出现显著变化 robustness（稳健性检验变量）可采用断点回归或双重差分法，以政策实施节点为外生冲击，检验政策效果；由于该指标为全因死亡率，需注意排除传染病暴发等干扰因素的影响，建议配合伤害专项死亡率进行联合检验
区域健康不平等的长期演变研究：发展研究者关注不同区域间青少年健康不平等的演变趋势及其与区域发展差距的关系 comparison（比较对象）可计算各区域基尼系数或集中指数，分析死亡概率分布的公平性变化；建议与收入不平等、教育资源分布等指标联合分析，揭示健康不平等与整体社会不平等的关联机制