Data-Gouv-FR/donnees-des-urgences-hospitalieres-et-de-sos-medecins-relatives-a-lepidemie-de-covid-19

该数据集包含法国COVID-19疫情期间医院急诊和SOS Médecins（急救医生）的每日数据，按部门和地区分组，并细分到性别和患者年龄层。具体数据包括：疑似COVID-19的急诊就诊次数、总急诊就诊次数（有医疗诊断记录的）、疑似COVID-19的住院次数、SOS Médecins的疑似COVID-19医疗行为次数、总SOS Médecins医疗行为次数（有诊断记录的）。数据集还提供了元数据文件，如年龄层代码表。注意：由于数据收集困难，部分文件可能存在异常，例如年龄或性别未识别导致的统计偏差。This dataset contains daily data from hospital emergencies and SOS Médecins (emergency doctors) in France related to the COVID-19 epidemic, grouped by department and region, and broken down by gender and patient age groups. Specific data includes: number of emergency visits for suspected COVID-19, total emergency visits with a medical diagnosis recorded, number of hospitalizations among emergency visits for suspected COVID-19, total medical acts by SOS Médecins for suspected COVID-19, and total medical acts by SOS Médecins with a medical diagnosis recorded. The dataset also provides metadata files, such as age group codes. Note: Due to data collection challenges, some files may contain anomalies, such as statistical discrepancies caused by unidentified age or gender.

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部门（Santé publique France）的官方开放数据平台data.gouv.fr，以Parquet和CSV格式存储，并在Hugging Face上以多配置方式组织。每个原始表格资源对应一个Hugging Face子集，如按省、大区、年龄组及性别的每日数据，以及元数据和年龄编码表，所有子集均包含单一的train分割，便于直接加载与分析。

特点

数据集涵盖了法国COVID-19疫情期间急诊与SOS Médecins医疗求助的每日统计，包括按省或大区、性别及年龄分层记录的疑似病例就诊数、总就诊数及住院人数等核心指标。其特色在于提供了更新的年龄编码方案（0~6岁分级）与性别字段，并附有官方错误报告，确保数据透明与可追溯，支持流行病学态势的细粒度监测。

使用方法

用户可通过Hugging Face的datasets库轻松加载子集，例如选择sursaud-covid-quot-dep-2025-01-01-18h00配置获取按省的每日数据。加载后可直接访问train分割，进行时间序列分析、地区对比或构建预测模型。需注意部分记录存在年龄或性别缺失，建议结合元数据与官方错误报告进行清洗，以保障分析结果的可靠性。

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创建，首次发布于2020年，旨在系统记录法国COVID-19疫情期间急诊科与SOS Médecins的每日医疗活动。核心研究问题聚焦于病毒传播的时空动态与人口学特征，通过收集按部门、地区、性别及年龄分层的数据，揭示疫情对医疗系统的冲击。这一开放数据举措在流行病学、公共卫生政策及建模领域产生深远影响，为法国乃至全球的疫情监测、资源分配及干预措施评估提供了关键基础。

当前挑战

数据集面临的首要挑战是数据完整性与一致性问题，由于信息收集过程中的困难，部分患者的年龄或性别未被记录，导致指标总和与总数存在偏差。构建过程中，需整合多源异构数据并处理编码变更（如2021年年龄分组规则调整），增加了技术复杂性。此外，疫情高峰期的数据报送延迟及个别异常值的出现，要求研究人员具备稳健的预处理与偏差校正能力，以确保分析结论的可靠性。

常用场景

经典使用场景

在新冠疫情肆虐的全球公共卫生危机背景下，该数据集为流行病学建模与时空传播分析提供了关键数据支撑。研究人员可基于法国各省份、大区的每日急诊就诊量、SOS Médecins就诊量及由此引发的住院病例数，结合患者年龄分层与性别信息，构建传染病动力学模型，例如SEIR类模型或时空贝叶斯统计模型，以刻画病毒在法国境内从区域级到社区级的扩散轨迹。该数据集的精细空间粒度与时间连续性，使得对疫情热点区域的识别、防控政策时效性的量化评估，以及不同年龄群体脆弱性的比较分析成为可能。

解决学术问题

该数据集系统性地破解了疫情监测中实时数据匮乏与颗粒度不足的难题。在学术层面，它助力研究者精准回答多个核心问题：如何量化非药物干预（如封城、口罩令）对降低急诊就医压力的实际效果？不同年龄与性别亚群在感染风险与重症转化率上的差异是否显著？以及，如何通过历史序列数据预测未来数周内医疗系统的负荷阈值？这些探索不仅深化了对新冠病毒传播动态的认知，还为公共卫生领域关于数据驱动型应急响应机制的学术讨论提供了坚实的实证基础，显著推动了传染病监测方法论的革新。

衍生相关工作

围绕该数据集，学术界涌现了一系列极具影响力的衍生工作。一方面，它催生了专注于疫情实时预报的统计机器学习模型，例如基于梯度提升树与门控循环单元的多变量时间序列预测框架；另一方面，数据集的开放性与分层结构推动了因果推断研究，尤其是利用断点回归与合成对照法来剥离单一隔离政策对就医曲线变化的影响。此外，该数据集常与法国医院新冠肺炎住院数据联合使用，构建多源协同分析框架，以评估核酸检测策略的效能与医疗滞后效应，相关成果发表于《柳叶刀数字健康》等顶尖期刊，成为欧洲流行病学数据库建设的标杆范例。