死亡率，成年人，女性（每千名成年女性）

Mortality rate, adult, female (per 1,000 female adults)

下载数据

指标代码：SP.DYN.AMRT.FE所属主题：健康：MortalityHealth: Mortality

2024最新有效年份

171最新年份有值国家

265历史上有数据经济体

2%总体缺失率

指标解释

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

Adult mortality rate, female, is the probability of dying between the ages of 15 and 60--that is, the probability of a 15-year-old female dying before reaching age 60, if subject to age-specific mortality rates of the specified year between those ages.

可供参考的中文翻译：成年女性死亡率是指在15至60岁之间的死亡概率，即假设特定年份的分年龄死亡率保持不变，一名15岁女性在活到60岁之前死亡的概率。

数据口径与风险提示

该指标反映15至60岁之间的死亡风险，与婴幼儿死亡率、老年死亡率属于不同生命阶段指标，不可直接比较
数值基于特定年份的分年龄死亡率推算，假设各年龄组死亡率在该年保持不变，与实际多年暴露的死亡经历存在差异
不同国家的数据质量差异显著，部分发展中国家可能存在死亡漏报，导致指标被低估
该指标为概率值而非实际死亡比例，不代表每千名女性中实际死亡的人数
世界银行数据为成员国报告数据的汇总，各国统计口径和调查方法可能不一致
高值国家多为撒哈拉以南非洲等地区，可能受HIV/AIDS、冲突等特殊因素影响
该指标不反映死因构成，无法用于推断具体健康问题
中国数据整体质量较高，但历史数据可能受人口流动、统计方法变化影响

中国趋势

趋势解读

1960年中国成年女性死亡率为480.15‰，2024年降至55.97‰，下降幅度超过424个千分点。1960年以来的65个年度数据点呈现持续下降趋势，2022年录得历史最低值54.83‰。该时期内中国女性成年死亡率下降约88.4%，且在大多数十年周期内下降速度持续快于全球平均水平。特别是在1960年代至1990年代期间，降幅尤为显著，进入21世纪后下降速度有所放缓，但仍保持下降态势。2019年后数值在55-57‰区间小幅波动，整体处于极低水平。

1960年值为480.153‰，为该序列最高值
2024年值为55.973‰，较1960年下降约88.4%
2022年录得历史最低值54.831‰
1962年出现显著下降，从413.513‰降至318.236‰
1960年代至1990年代期间持续快速下降，每个十年末值均较期初值大幅降低
中国1960年起点远高于世界平均水平，基数差异影响可比性
近年来数值已降至极低水平，继续大幅下降的空间有限
2019-2022年期间数值在54.8-57.4‰区间波动，解读趋势时需结合其他指标

全球趋势

趋势解读

全球成年女性死亡率从1960年的约301‰降至2024年的约113‰，累计下降约189个千分点。65年间的下降幅度约为62.6%，整体呈持续下降趋势但下降速度在1990年代后有所放缓。值得注意的是，2020年全球死亡率出现明显上升（117.47‰），2021年进一步升至136.09‰，随后回落。与中国相比，全球起点较低但下降幅度相对较小，反映出不同发展阶段的改善特征差异。

1960年值为301.37‰，为该序列最高值
2024年值为112.67‰，较1960年下降约62.6%
2021年出现异常峰值136.09‰，可能反映全球健康冲击
1980年代后下降速度整体趋缓
2023年录得历史最低值109.96‰
全球数据为多国汇总，掩盖了国家间的巨大差异
2020-2021年数据受新冠疫情影响出现异常波动
不同国家数据可得性和质量参差不齐，可能影响全球汇总值的准确性

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	0.5x	0.8x	该十年中国下降幅度约为全球的2.3倍，这一差距可能反映了中国在这一时期的公共卫生改善速度快于全球平均水平，但需注意中国1960年起点值远高于全球，基数差异可能导致相对下降比例看起来更为显著；此外，当时中国数据可能受统计口径影响，与全球可比性有限。
1970-1979	0.7x	0.8x	中国下降幅度仍约为全球的1.9倍，继续保持较快的改善速度；这一时期两者的相对变化差异可能与中国的医疗条件普及和基本公共卫生服务覆盖相关，但缺乏具体政策背景信息，难以确定归因。
1980-1989	0.7x	0.9x	中国下降幅度约为全球的1.8倍，改善速度优势略有缩小；可能意味着全球在此期间也开始加速改善，或中国的改善进入相对平稳阶段，需要结合其他健康指标进一步验证。
1990-1999	0.7x	0.9x	中国下降幅度约为全球的4倍，差距显著扩大；这一阶段中国改善速度快于全球，可能与经济快速增长带动医疗卫生条件改善有关，但也可能受统计方法变化影响，需要谨慎解读。
2000-2009	0.8x	0.9x	全球下降幅度首次超过中国，两者差距出现逆转；这可能意味着全球在传染病防控等领域取得突破性进展，而中国已处于较低水平，改善边际效益递减。
2010-2019	0.8x	0.9x	两者下降幅度趋于接近，中国改善速度略快于全球；该阶段中国数值已降至很低水平，绝对降幅的参考意义减弱，应关注改善的结构性特征。
2020-2029	1.0x	1.0x	中国该指标出现小幅上升而全球持续下降，数值接近1而全球约0.96；这一逆转可能反映中国已进入极低水平后的平台期波动，也可能与疫情期间医疗资源分配变化或数据报告口径有关，需要结合相关变量深入验证。

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	Lesotho 莱索托	LSO	355.4
2	Nigeria 尼日利亚	NGA	340.9
3	Central African Republic 中非共和国	CAF	323.6
4	Chad 乍得	TCD	307.8
5	Nauru 瑙鲁	NRU	304.0
6	Zimbabwe 津巴布韦	ZWE	273.9
7	Kenya 肯尼亚	KEN	271.9
8	Cote d'Ivoire 科特迪瓦	CIV	262.3
9	South Sudan 南苏丹	SSD	246.5
10	Liberia 利比里亚	LBR	242.7
11	Benin 贝宁	BEN	242.4
12	Togo 多哥	TGO	237.2
13	South Africa 南非	ZAF	234.2
14	Guinea 几内亚	GIN	232.9
15	Somalia, Fed. Rep. 索马里	SOM	230.8
16	Eswatini 斯威士兰	SWZ	230.7
17	Congo, Dem. Rep. 刚果（金）	COD	219.2
18	Burundi 布隆迪	BDI	216.9
19	Mali 马里	MLI	215.8
20	Congo, Rep. 刚果（布）	COG	213.1
21	Burkina Faso 布基纳法索	BFA	207.4
22	Madagascar 马达加斯加	MDG	205.2
23	Tanzania 坦桑尼亚	TZA	199.7
24	Equatorial Guinea 赤道几内亚	GNQ	198.7
25	Marshall Islands 马绍尔群岛	MHL	196.3
26	Sierra Leone 塞拉利昂	SLE	195.2
27	Gambia, The 冈比亚	GMB	193.6
28	Cameroon 喀麦隆	CMR	192.8
29	Guinea-Bissau 几内亚比绍	GNB	191.8
30	Fiji 斐济	FJI	190.6
31	Ghana 加纳	GHA	190.3
32	Uganda 乌干达	UGA	188.5
33	Tuvalu 图瓦卢	TUV	187.4
34	Niger 尼日尔	NER	184.4
35	Angola 安哥拉	AGO	182.3
36	Afghanistan 阿富汗	AFG	175.9
37	Mozambique 莫桑比克	MOZ	175.6
38	Papua New Guinea 巴布亚新几内亚	PNG	175.2
39	Djibouti 吉布提	DJI	172.5
40	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	171.9
41	Namibia 纳米比亚	NAM	170.9
42	Rwanda 卢旺达	RWA	170.3
43	Kiribati 基里巴斯	KIR	170.0
44	Haiti 海地	HTI	166.3
45	Comoros 科摩罗	COM	163.5
46	Malawi 马拉维	MWI	162.2
47	Timor-Leste 东帝汶	TLS	156.0
48	Eritrea 厄立特里亚	ERI	155.9
49	Gabon 加蓬	GAB	155.3
50	Sudan 苏丹	SDN	154.6
51	Zambia 赞比亚	ZMB	153.3
52	Mauritania 毛里塔尼亚	MRT	151.9
53	Botswana 博茨瓦纳	BWA	150.8
54	Myanmar 缅甸	MMR	150.1
55	Bolivia 玻利维亚	BOL	146.8
56	Ethiopia 埃塞俄比亚	ETH	145.9
57	Libya 利比亚	LBY	145.0
58	Solomon Islands 所罗门群岛	SLB	144.4
59	Sao Tome and Principe 圣多美和普林西比	STP	144.3
60	Guyana 圭亚那	GUY	144.1
61	Samoa 萨摩亚	WSM	142.3
62	Nepal 尼泊尔	NPL	136.3
63	Senegal 塞内加尔	SEN	136.3
64	Indonesia 印度尼西亚	IDN	136.2
65	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	135.2
66	Lao PDR 老挝	LAO	134.1
67	Cambodia 柬埔寨	KHM	131.1
68	Philippines 菲律宾	PHL	131.0
69	Yemen, Rep. 也门	YEM	130.9
70	Vanuatu 瓦努阿图	VUT	129.4
71	Pakistan 巴基斯坦	PAK	128.9
72	Jamaica 牙买加	JAM	121.8
73	Bahamas, The 巴哈马	BHS	121.7
74	Guatemala 危地马拉	GTM	121.6
75	India 印度	IND	120.9
76	Suriname 苏里南	SUR	120.4
77	Uzbekistan 乌兹别克斯坦	UZB	114.7
78	El Salvador 萨尔瓦多	SLV	114.4
79	Moldova 摩尔多瓦	MDA	113.1
80	Tonga 汤加	TON	110.6
81	Honduras 洪都拉斯	HND	110.3
82	Turkmenistan 土库曼斯坦	TKM	109.5
83	Iraq 伊拉克	IRQ	109.3
84	Tajikistan 塔吉克斯坦	TJK	107.8
85	Grenada 格林纳达	GRD	106.9
86	Venezuela, RB 委内瑞拉	VEN	105.2
87	Belize 伯利兹	BLZ	104.8
88	Mongolia 蒙古	MNG	104.7
89	Syrian Arab Republic 叙利亚	SYR	103.5
90	St. Kitts and Nevis 圣基茨和尼维斯	KNA	102.7
91	Dominican Republic 多米尼加共和国	DOM	102.2
92	Bangladesh 孟加拉国	BGD	101.5
93	Egypt, Arab Rep. 埃及	EGY	101.2
94	Seychelles 塞舌尔	SYC	100.7
95	West Bank and Gaza 约旦河西岸和加沙	PSE	100.3
96	Korea, Dem. People's Rep. 朝鲜	PRK	99.9
97	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	98.1
98	Bhutan 不丹	BTN	96.7
99	Russian Federation 俄罗斯	RUS	96.4
100	Nicaragua 尼加拉瓜	NIC	94.6
101	Paraguay 巴拉圭	PRY	94.5
102	Mexico 墨西哥	MEX	94.5
103	Mauritius 毛里求斯	MUS	94.3
104	Brunei Darussalam 文莱	BRN	93.0
105	St. Lucia 圣卢西亚	LCA	91.3
106	Thailand 泰国	THA	89.9
107	Peru 秘鲁	PER	88.4
108	Kazakhstan 哈萨克斯坦	KAZ	87.9
109	Dominica 多米尼克	DMA	85.5
110	Ukraine 乌克兰	UKR	85.2
111	Barbados 巴巴多斯	BRB	84.5
112	Antigua and Barbuda 安提瓜和巴布达	ATG	84.5
113	Brazil 巴西	BRA	83.4
114	Argentina 阿根廷	ARG	80.3
115	Malaysia 马来西亚	MYS	80.2
116	Morocco 摩洛哥	MAR	75.7
117	Ecuador 厄瓜多尔	ECU	75.2
118	Latvia 拉脱维亚	LVA	74.3
119	Uruguay 乌拉圭	URY	73.5
120	Georgia 格鲁吉亚	GEO	73.4
121	Viet Nam 越南	VNM	73.2
122	Romania 罗马尼亚	ROU	72.0
123	Azerbaijan 阿塞拜疆	AZE	71.2
124	Cuba 古巴	CUB	69.9
125	Serbia 塞尔维亚	SRB	69.3
126	Lithuania 立陶宛	LTU	69.3
127	Algeria 阿尔及利亚	DZA	68.6
128	Montenegro 黑山	MNE	66.9
129	Colombia 哥伦比亚	COL	65.6
130	Cabo Verde 佛得角	CPV	62.6
131	Panama 巴拿马	PAN	61.1
132	Bosnia and Herzegovina 波黑	BIH	60.0
133	Armenia 亚美尼亚	ARM	57.5
134	Lebanon 黎巴嫩	LBN	57.1
135	North Macedonia 北马其顿	MKD	57.0
136	Slovak Republic 斯洛伐克	SVK	56.5
137	Iran, Islamic Rep. 伊朗	IRN	56.4
138	Jordan 约旦	JOR	56.3
139	Chile 智利	CHL	56.1
140	Sri Lanka 斯里兰卡	LKA	56.0
141	China 中国	CHN	56.0
142	Costa Rica 哥斯达黎加	CRI	55.3
143	Tunisia 突尼斯	TUN	54.5
144	Saudi Arabia 沙特阿拉伯	SAU	54.5
145	Estonia 爱沙尼亚	EST	54.2
146	Turkiye 土耳其	TUR	50.7
147	Bahrain 巴林	BHR	49.5
148	Kosovo 科索沃	XKX	49.2
149	Croatia 克罗地亚	HRV	49.1
150	Albania 阿尔巴尼亚	ALB	46.8
151	Oman 阿曼	OMN	46.0
152	Belgium 比利时	BEL	43.5
153	Portugal 葡萄牙	PRT	41.5
154	Finland 芬兰	FIN	40.6
155	Denmark 丹麦	DNK	39.1
156	Malta 马耳他	MLT	38.3
157	Israel 以色列	ISR	37.6
158	Japan 日本	JPN	36.6
159	Norway 挪威	NOR	36.2
160	Greece 希腊	GRC	35.1
161	Cyprus 塞浦路斯	CYP	33.4
162	Singapore 新加坡	SGP	33.2
163	Sweden 瑞典	SWE	32.9
164	Switzerland 瑞士	CHE	31.2
165	Maldives 马尔代夫	MDV	31.1
166	Qatar 卡塔尔	QAT	30.7
167	Liechtenstein 列支敦士登	LIE	30.3
168	San Marino 圣马力诺	SMR	29.9
169	Kuwait 科威特	KWT	28.4
170	Korea, Rep. 韩国	KOR	20.5
171	United Arab Emirates 阿联酋	ARE	18.8

使用建议、常见误用与研究场景

数值较高通常意味着什么

该数值越高，表示15至60岁女性在特定年份死亡风险越大，通常意味着该国家或地区的公共卫生条件较差、医疗资源不足、或面临较高的特定健康威胁（如传染病、营养不良等）

数值较低通常意味着什么

该数值越低，表示15至60岁女性死亡风险越小，通常反映公共卫生体系较为完善、医疗可及性较高、或整体生活环境较好

鍙ｅ緞闄愬埗

该指标为死亡概率而非实际死亡比例，不能直接解读为实际死亡人数
不反映具体死因构成，无法用于推断心血管疾病、癌症等各类疾病的相对重要性
不同国家统计口径和调查方法可能存在差异，跨国家比较需谨慎
高值国家可能存在死亡漏报问题，实际值可能更高
该指标不区分城乡、收入阶层等内部差异，可能掩盖内部不平等
数值已处于极低水平时，继续下降的边际变化可能不具统计学意义
该指标不直接反映医疗服务质量或健康公平性
与其他健康指标的逻辑关系需要结合具体背景理解

常见错误用法

错误做法：将该指标直接理解为每千名成年女性中实际死亡的人数

正确做法：将150.5‰理解为15岁女性在活到60岁之前死亡的概率约为15.05%

该指标是死亡概率而非实际死亡比例，反映的是生存风险而非死亡事件本身，两者在数值含义上存在本质差异

错误做法：用该指标推断具体死因构成，如判断心血管疾病或癌症的死亡率

正确做法：结合具体疾病的专项死亡率指标来分析死因结构

成年女性死亡率是一个综合性的生存概率指标，不区分也不反映任何具体疾病的死因构成，误用可能导致完全错误的健康状况判断

错误做法：直接对比中国与非洲高值国家的该指标数值以评估医疗水平差距

正确做法：对比时应考虑数据质量差异和统计口径，并结合其他健康指标综合评估

不同国家的数据质量和可得性差异显著，部分发展中国家可能存在较严重的死亡漏报，高值可能被低估，跨国比较需要谨慎解读

错误做法：在中国该指标已进入极低水平后，仍期望其持续大幅下降

正确做法：关注改善的结构性特征，如特定人群、城乡差异或死因结构优化

当指标降至极低水平后（如中国2020年代约55‰左右），受自然下限约束和边际效益递减影响，整体水平的大幅下降空间有限，应调整研究预期

实际应用场景

公共卫生体系演进与女性生存改善研究：研究中国1960年代以来公共卫生政策的阶段性特征与成年女性死亡率下降的关联被解释变量可采用分段回归或断点回归分析改革开放、基本卫生服务普及等政策节点的冲击效应，结合人均GDP、医疗机构密度等控制变量
全球健康不平等的结构性分析：比较不同收入组国家成年女性死亡率的收敛或发散趋势被解释变量使用面板数据固定效应模型，控制GDPper capita、教育水平、医疗支出占比等变量，分析收入不平等与健康不平等的关联机制
传染病流行对成年女性死亡率影响的稳健性检验：在研究HIV/AIDS、新冠疫情等公共卫生事件对人口死亡率的冲击时稳健性检验变量将成年女性死亡率作为对比指标，验证传染病专项死亡率指标结论的可靠性，同时注意疫情可能导致其他死亡原因暂时性下降的干扰
人口转型与健康转型协同演化研究：分析生育率下降与成年死亡率改善之间的互动关系控制变量纳入出生时预期寿命、总和生育率等人口转变指标，构建联立方程模型识别因果方向