Data-Gouv-FR/transferts-de-patients-atteints-de-covid-19

该数据集记录了法国在COVID-19疫情期间，为缓解医疗系统压力而进行的患者转移情况。数据由法国卫生和团结部提供，用于政府COVID-19仪表板，并在data.gouv.fr上公开。数据集包含以下字段：转移开始日期、转移结束日期、使用的运输方式、出发地区、到达地区、如果转移在法国境外则包括到达国家，以及转移的患者数量。数据每日更新，旨在帮助监控和应对疫情中的医疗资源分配。license: 其他 language: - 法语 tags: - data.gouv.fr相关数据集 - 法国公共数据 - Parquet格式 - CSV格式 - 开放数据 pretty_name: "COVID-19患者转运数据集" configs: - config_name: transferts-patients-covid19 data_files: - split: train path: data/transferts-patients-covid19.parquet - config_name: metadonnees-transferts-patients-covid19 data_files: - split: train path: data/metadonnees-transferts-patients-covid19.parquet # COVID-19患者转运数据集 ## 数据来源 - 官方来源：https://www.data.gouv.fr/datasets/transferts-de-patients-atteints-de-covid-19 - data.gouv.fr数据集标识符：`5ea2db4e4df5f1871c9229be` - data.gouv.fr数据集短标识：`transferts-de-patients-atteints-de-covid-19` - data.gouv.fr元数据（metadata）中标注的许可证：LOv2 ## Hugging Face 数据集结构 - 一个data.gouv.fr数据集对应一个Hugging Face仓库 - 一份原始表格资源对应一个Hugging Face子数据集/配置 - 每个子数据集/配置均包含一个名为`train`的数据集拆分 ## 子数据集列表 - `transferts-patients-covid19` → 对应文件：`data/transferts-patients-covid19.parquet` - `metadonnees-transferts-patients-covid19` → 对应文件：`data/metadonnees-transferts-patients-covid19.parquet` ## 使用示例 python from datasets import load_dataset # 选择子数据集/配置： ds = load_dataset("Data-Gouv-FR/transferts-de-patients-atteints-de-covid-19", "transferts-patients-covid19") print(ds["train"]) ## 原始数据集说明 ### 背景 为应对法国新冠疫情引发的公共卫生危机，缓解本国医疗系统的接诊压力，法国政府自2020年3月18日起启动跨医疗机构的患者转运机制。该机制的核心目标是减轻受COVID-19疫情冲击最严重的医疗机构的负担。 ### 发布方式 作为法国政府官网[COVID-19数据看板](https://www.gouvernement.fr/info-coronavirus/carte-et-donnees)开发工作的一部分，法国团结与卫生部向Etalab提交患者转运数据。这些数据被整合至该数据看板后，发布至www.data.gouv.fr平台。 ### 数据集详情 本数据集记录**COVID-19患者转运情况**，包含以下字段： - 转运开始日期 - 转运结束日期 - 所用转运方式 - 出发地区 - 抵达地区 - 若转运至法国境外，则需注明抵达国家 - 转运患者数量 本数据集每日更新一次。

搜集汇总

数据集介绍

构建方式

本数据集源自法国公共数据平台data.gouv.fr，由法国团结与卫生部在COVID-19疫情期间为缓解医疗系统压力而发起，记录了自2020年3月18日起患者在医院间的转移信息。数据集以Parquet格式存储，在Hugging Face上构建为一个仓库，包含两个子集：`transferts-patients-covid19`（主数据）和`metadonnees-transferts-patients-covid19`（元数据），每个子集均设有统一的`train`划分。原始资源中的表格数据被映射为Hugging Face的子配置，结构简洁高效。

使用方法

使用该数据集需通过Hugging Face的`datasets`库加载，用户可选指定子集名称，例如`transferts-patients-covid19`，以获取主数据或元数据。加载后返回的数据集对象包含标准`train`拆分，可直接用于Python环境中的数据处理与分析。建议结合巴黎大区等热点地区的时空信息，对患者转移的流向、频率及运力进行统计建模，或与其他疫情数据集关联，以深入评估跨国医疗协作的有效性。

背景与挑战

背景概述

该数据集名为“Transferts de patients atteints de COVID-19”，由法国数字事务部（Etalab）与团结与卫生部于2020年3月共同创建，旨在记录法国因COVID-19疫情导致的医疗系统紧张状况下，全国范围内的患者转移情况。核心研究问题聚焦于公共卫生危机中医疗资源的空间调配模式及其有效性，通过追踪患者从疫情重灾区向其他地区的转运轨迹，为应急响应策略提供数据支撑。该数据集作为法国政府COVID-19仪表盘的关键组成部分，对公共卫生政策制定和流行病学建模产生了重要影响，促进了跨机构数据共享与开放数据运动在危机管理中的实践。

当前挑战

该数据集面临的挑战首先在于领域问题的复杂性：COVID-19患者转移涉及多变量决策，包括实时医疗资源负荷、运输安全性及跨区域协调，需整合不同数据源以准确反映动态变化。其次，构建过程中需克服数据采集的异质性挑战，例如转移起止日期需统一格式、运输方式分类标准化、跨国转移时的国籍编码一致性等。同时，由于数据每日更新，维护长期数据的连续性与完整性成为关键障碍，尤其在疫情期间医疗机构报告优先级存在差异时，数据缺失或延迟可能导致分析偏差。

常用场景

经典使用场景

在COVID-19疫情引发的全球公共卫生危机背景下，法国医疗机构面临前所未有的负荷压力。该数据集系统记录了自2020年3月18日起，法国政府为缓解疫情重灾区的医疗资源紧缺而实施的患者跨院转运操作。经典应用场景包括分析患者转运的时间分布特征、地理流向模式以及不同运输方式（如救护车、火车、飞机等）的使用频率，从而构建疫情应急响应中的医疗资源动态调配模型。

解决学术问题

该数据集有效解决了疫情期间医疗资源供需失衡的量化分析难题。研究人员可据此探讨跨区域患者转运策略对降低医院超负荷率和减少交叉感染风险的实际效果。其重要意义在于为公共卫生政策评估提供了实证基础，证明了在突发公共卫生事件中，通过数据驱动的决策机制优化医疗资源空间配置具有显著社会效益，也为全球类似危机应对提供了法国经验范本。

实际应用

在实际应用层面，该数据被法国政府整合至官方COVID-19疫情监控仪表板，支撑实时可视化决策。医疗卫生管理部门可基于转运数据动态调整区域间患者流转配额，优化救护车辆和医疗团队的调度方案。同时，对于国际卫生组织及跨国研究机构，该数据集可作为模拟疫情扩散路径和评估跨国医疗协作机制的重要输入，协助制定更加周密的跨境公共卫生应急预案。

数据集最近研究

最新研究方向

该数据集聚焦于法国政府自2020年3月起为缓解COVID-19疫情下医疗系统压力而实施的患者跨院转移行动，记录每日转移数据，包括起止日期、运输方式、出发与到达区域及患者数量。近期前沿研究方向呈多维度展开：一是结合流行病学模型与空间统计学，挖掘转移路径与疫情热点区域的动态关联，为资源调度提供量化依据；二是利用时序分析方法揭示转移规模随感染率、重症率的波动规律，助力应急响应策略优化；三是融合多源医疗数据，构建跨区域医疗资源配置的智能决策系统，以应对未来突发公共卫生事件。该数据集作为法国开放数据运动的重要组成部分，不仅为学术研究提供了稀缺的医疗物流微观样本，更推动了透明治理与科学抗疫的交叉实践，对全球公共卫生数据共享范式具有显著示范意义。