Data-Gouv-FR/old-donnees-de-laboratoires-pour-le-depistage-indicateurs-sur-les-mutations

该数据集是法国公共卫生开放数据，标题为旧版实验室筛查数据：突变指标，专注于COVID-19检测中病毒突变的筛查指标。数据来源于法国实验室检测系统（SI-DEP），用于追踪SARS-CoV-2病毒突变（如E484K、L452R、DEL69/70、K417N等）的分布情况。数据集包含三个子集，分别对应部门（dep）、地区（reg）和法国整体（fra）层面的统计数据，时间截至2022年1月。变量包括阳性测试数量（nb_pos）、筛查测试数量（nb_crib）、突变存在比例（如tx_A1、tx_C1、tx_D1）等，用于分析突变在时间和地理上的演变。该数据集已自2022年5月18日起停止更新，被新格式数据取代。数据以Parquet格式提供，适用于公共卫生研究和疫情监测。This dataset is French public health open data titled OLD Laboratory Data for Screening: Indicators on Mutations, focusing on screening indicators for viral mutations in COVID-19 testing. The data originates from the French laboratory testing system (SI-DEP) and is used to track the distribution of SARS-CoV-2 mutations (such as E484K, L452R, DEL69/70, K417N, etc.). The dataset includes three subsets corresponding to statistical data at the departmental (dep), regional (reg), and national (fra) levels, with data up to January 2022. Variables include the number of positive tests (nb_pos), number of screened tests (nb_crib), proportion of mutation presence (e.g., tx_A1, tx_C1, tx_D1), etc., used to analyze the temporal and geographical evolution of mutations. The dataset has been discontinued since May 18, 2022, and replaced by new format data. Data is provided in Parquet format, suitable for public health research and epidemic surveillance.

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实验室筛查数据库（SI-DEP），原始数据由法国开放数据平台data.gouv.fr发布，版本为旧版，自2022年5月18日起已停止更新。数据集以Hugging Face仓库形式重新组织，将原始表格资源映射为独立的子集配置，每个子集对应一个以Parquet格式存储的训练分片。子集按地理层级分为省级（dep）、大区级（reg）和国家级（fra），文件名中包含数据生成的时间戳，反映了不同行政级别的变异筛查汇总信息。

特点

数据集聚焦于SARS-CoV-2变异株筛查中关键突变（E484K、L452R、DEL69/70、K417N、S371L-S373P、Q493R）的检测结果，记录了各突变阳性和阴性检测数量及占比。其指标设计动态追踪法国疾控策略的演变，例如2021年至2022年间突变筛查靶标随Omicron等变异株流行而多次调整。数据覆盖时段与法国SI-DEP系统的上报时效性紧密关联，为研究突变流行趋势与公共卫生应对提供了历史参照。

使用方法

用户可通过Hugging Face的`datasets`库加载数据，需指定子集配置名称（如`sp-mutations-7j-dep-2022-01-02-19h09`），调用`load_dataset`函数后即可获取包含`train`分片的Dataset对象。由于该数据集已停止更新，更适合用于历史回顾性分析或方法验证。建议结合原始methodology note解读字段含义，注意不同时期突变编码规则（如D变量定义）的变化，以避免跨时间比较时的混淆。

背景与挑战

背景概述

该数据集由法国公共卫生部门于2022年创建，源自SI-DEP实验室筛查系统，旨在追踪SARS-CoV-2变异株中的关键突变（如E484K、L452R及DEL69/70等）。随着Alpha、Beta、Gamma及Omicron等关切变异株的持续演化，传统的针对特定变异株的筛查策略已难以适应病毒多样性的激增。该数据集通过记录突变检测的阳性率、阴性率及不可解读结果，为流行病学监测提供了时空维度上的量化指标。其贡献在于为法国及全球疫情防控中的变异株动态追踪、筛查策略优化及公共卫生决策提供了重要的数据支撑。

当前挑战

核心挑战在于解决病毒变异株快速更迭所带来的筛查策略动态调整问题。例如，Omicron变异株不具备早期关注的E484Q等突变，迫使筛查靶标持续更新，导致历史数据与新策略间的兼容性断裂。其次，数据构建中面临多重技术难题：检测结果需通过复杂字母数字编码解析（如'A1'表示突变E484K阳性），且不同时期定义的变量内涵（如'D'变量）差异巨大。此外，去重逻辑依赖个人假名、采样时间等复合键，但抗原与PCR检测的混同可能造成有效信息的遗漏，削弱突变比例的统计准确性。

常用场景

经典使用场景

该数据集源自法国公共卫生监测系统SI-DEP，专用于追踪SARS-CoV-2变异株的实验室筛查指标。其核心应用在于分析特定突变（如E484K、L452R以及德尔塔69/70缺失等）在法国各层级地域（省、大区及全国）的检出率与时空分布。研究者可通过该数据监测不同变异株的传播动态，评估筛查策略的演进效果，尤其在奥密克戎等新变异出现时，能辅助判断突变标志物的替换与监测体系的适应性。

解决学术问题

该数据集解决了疫情监测中核酸筛查数据碎片化与变异株识别滞后的问题，为流行病学提供了标准化的突变频率时序指标。它使得学界能够量化评估不同突变组合（如A、C、D代码）的流行趋势，探讨筛查策略变更（如从筛查Alpha/Beta/Gamma转向关注免疫逃逸突变）对监测敏感性的影响。其多维度变量（阳性数、筛查数、突变比例）支持构建传播动力学模型，揭示突变与传播力、免疫逃逸之间的潜在关联，对病毒进化与公共卫生决策具有重要意义。

衍生相关工作

基于该数据集，衍生出多项关于病毒变异动态分析与筛查策略评估的研究。例如，学界利用A、C、D突变的时间序列演变，反推出奥密克戎替代德尔塔成为优势株的关键时间节点；另有工作聚焦于比较筛查指标与全基因组测序结果的一致性，探讨在资源受限环境中以突变PCR作为替代监测手段的可靠性。此外，有研究者将其与疫苗接种率、人口流动数据融合，构建时空贝叶斯模型，以量化突变扩散与防疫策略的因果效应，推动了数字流行病学方法论的创新。