Data-Gouv-FR/donnees-de-certification-electronique-des-deces-associes-au-covid-19-cepidc

该数据集包含与COVID-19相关的电子死亡认证数据（CEPIDC），由法国公共卫生机构（Santé publique France）和法国国家健康与医学研究院（Inserm）下属的死亡医学原因流行病学中心（CépiDc）提供。数据来源于电子认证的死亡证明的医疗部分，覆盖所有类型的死亡地点（如公立或私立医疗机构、养老院、家庭等）。数据集具体包括：按性别和部门统计的与COVID-19相关的累计死亡人数；按年龄组和地区统计的累计死亡人数；以及按地区统计的至少认证过1例与COVID-19相关死亡的机构或非附属医生数量。方法学警告指出，数据从2020年3月1日开始累计，且2020年初法国约20%的死亡通过电子认证，各地区覆盖率在0%至28%之间不等，自2020年4月初以来覆盖率有所上升，但无法准确评估新增死亡记录的比例。This dataset contains electronic death certification data associated with COVID-19 (CEPIDC), provided by Santé publique France (the French public health agency) and the Center for Epidemiology on Medical Causes of Death (CépiDc), a laboratory of the French National Institute of Health and Medical Research (Inserm). The data is derived from the medical part of death certificates certified electronically, covering all types of death locations (such as public or private health institutions, nursing homes, homes, and other unspecified places). The dataset specifically includes: cumulative deaths associated with COVID-19 by sex and department; cumulative deaths associated with COVID-19 by age group and region; and the cumulative number of institutions or non-affiliated doctors that have certified at least one death associated with COVID-19 by region. Methodological notes indicate that the data is cumulative from March 1, 2020, and that in early 2020, approximately 20% of deaths in France were certified electronically, with regional heterogeneity ranging from 0% to 28%. An increase in coverage has been observed since early April 2020, particularly by private institutions and nursing homes, though it is not currently possible to assess the proportion of additional deaths recorded due to this increase.

搜集汇总

数据集介绍

构建方式

该数据集源自法国公共卫生机构Santé publique France与Inserm下属的死亡医学原因流行病学中心（CépiDc），基于COVID-19相关死亡病例的电子死亡证明构建而成。数据涵盖了自2020年3月1日起的累计死亡病例数，按照性别、年龄组与地域（省/大区）维度进行分层统计，同时记录了至少认证过一例COVID-19相关死亡的机构或非附属医师数量。每个子集以Parquet格式存储，并在Hugging Face平台中映射为独立的配置子集，包括按性别与省的死亡统计、按年龄组与大区的死亡统计、认证统计以及元数据表。

特点

该数据集的核心特点在于其以电子死亡认证为唯一来源，确保了数据采集的标准化与可追溯性。其统计粒度细腻，既可按性别与省，也可按年龄组与大区进行多维度交叉分析，便于流行病学建模与政策评估。同时，元数据子集提供了分类标签与变量说明，增强了数据的可解释性。值得注意的是，数据仅涵盖采用电子认证的死亡案例，覆盖率因地区与时间存在显著差异（2020年初为20%左右），这一背景信息对数据解读至关重要。

使用方法

用户可通过Hugging Face的datasets库便捷加载该数据集，选择所需子集配置（如covid-cedc-sex-quot）并调用load_dataset函数即可获得包含单一训练分片的数据对象。为释放数据探索与建模潜力，建议结合Python的数据分析库（如pandas、matplotlib）对Parquet格式数据进行转换与可视化。由于数据为累计值，使用时需注意对照时间戳与元数据以进行动态趋势分析，并充分理解电子认证覆盖率非均匀提升这一方法学前提。

背景与挑战

背景概述

该数据集由法国公共卫生机构Santé publique France与Inserm旗下的死因流行病学中心（CépiDc）联合创建，发布于2020年新冠疫情期间，旨在通过电子死亡证明的认证数据，系统追踪法国境内与COVID-19相关的死亡病例。核心研究问题在于利用累积死亡统计，按性别、年龄组和地区分布揭示疫情对人口的冲击，为流行病学监测和政策制定提供数据支撑。作为法国首个大规模公开的电子死亡认证数据集，它不仅填补了疫情期间死亡登记的数据空白，还促进了跨学科研究，成为理解病毒传播动态及医疗系统压力的重要基石。

当前挑战

该数据集所解决的领域挑战在于，疫情期间传统死亡登记方式存在延迟和不完整，难以实时反映疫情全貌。具体挑战包括：一是死亡认证电子化覆盖率不均衡，2020年初仅约20%死亡案例通过电子途径认证，且地区差异显著（0%至28%），导致数据代表性受限；二是数据累积自2020年3月1日起，初期电子认证比例低，可能遗漏大量非电子认证的死亡案例，影响趋势分析准确性；三是构建过程中需整合来自公立医院、私立机构、养老院及住宅等多种死亡地点的异构数据，确保分类标准一致，同时应对认证电子化推广后新增记录的统计偏差。

常用场景

经典使用场景

该数据集源自法国公共卫生局与Inserm下属CépiDc实验室的合作，聚焦于电子认证的COVID-19相关死亡的医学证明数据。其经典使用场景在于流行病学监测，研究者可借助累积死亡人数按性别、年龄组和地区的细粒度统计，洞悉疫情在法国各行政区域的时空分布特征与人口差异，为构建传播动力学模型提供校准依据。

解决学术问题

数据集有效解决了疫情死亡统计中数据碎片化与认证不完整的学术难题，特别是早期仅约20%电子认证覆盖导致的偏差。通过提供按性别、年龄和地区的累积死亡数，它使学者能够量化死亡漏报程度，评估电子认证推广对数据完整性的影响，并探索区域医疗资源与死亡率的关联，从而推动死因 epidemiology 方法的革新。

衍生相关工作

基于此数据集，衍生工作包括开发死亡数据可视化仪表盘以实时追踪疫情动态，构建统计模型纠正认证偏倚，以及整合电子认证与实验室检测结果分析超额死亡率。这些工作不仅提升了法国死因统计的标准化水平，还为国际比较研究提供了方法论参考，推动了开放数据在流行病学中的复用实践。