Data-Gouv-FR/indicateurs-de-suivi-de-lepidemie-de-covid-19

该数据集提供了法国COVID-19疫情监测指标的数据，涵盖自2020年3月15日起的每日更新。它包括四个关键指标：1. 发病率（每10万人口中首次检测阳性人数），分为绿（<10）、橙（10-50）和红（>50）三个级别；2. 病毒学检测阳性率（阳性检测占总检测的比例），分为绿（0-5%）、橙（5-10%）和红（>10%）；3. 病毒繁殖因子（R0，表示平均感染人数），分为绿（0-1）、橙（1-1.5）和红（>1.5）；4. 重症监护床位压力（COVID-19患者占初始床位的比例），分为绿（0-30%）、橙（30-60%）和红（>60%）。数据覆盖国家和部门级别，更新频率为每日。数据集还包括自2020年12月8日以来的方法调整，如纳入所有RT-PCR和抗原检测结果，以及去重方法的改进，以确保更准确地反映感染人口比例，但不影响疫情趋势和动态解释。--- license: 其他 language: - 法语 tags: - 法国政府开放数据平台（data-gouv） - 法国公共数据（donnees-publiques-francaises） - Parquet格式 - CSV格式 - 开放数据（open-data） pretty_name: "新冠疫情监测指标" configs: - config_name: table-indicateurs-open-data-france data_files: - split: train path: data/table-indicateurs-open-data-france.parquet - config_name: table-indicateurs-open-data-dep-serie data_files: - split: train path: data/table-indicateurs-open-data-dep-serie.parquet --- # 新冠疫情监测指标 ## 数据来源 - 官方来源：https://www.data.gouv.fr/datasets/indicateurs-de-suivi-de-lepidemie-de-covid-19 - data.gouv平台数据集标识符：`5ee9df5003284f565d561278` - data.gouv平台数据集标识名（Slug）：`indicateurs-de-suivi-de-lepidemie-de-covid-19` - data.gouv元数据中标注的许可证：lov2 ## Hugging Face数据集结构 - 一个data.gouv平台的数据集对应一个Hugging Face仓库 - 一个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`的数据集划分 ## 子数据集 - `table-indicateurs-open-data-france` → `data/table-indicateurs-open-data-france.parquet` - `table-indicateurs-open-data-dep-serie` → `data/table-indicateurs-open-data-dep-serie.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/indicateurs-de-suivi-de-lepidemie-de-covid-19", "table-indicateurs-open-data-france") print(ds["train"]) ## 原始描述 ### 监测指标说明 2020年5月28日，法国政府在解封计划第二阶段中发布了各省综合疫情地图，该地图自6月2日起作为差异化防疫措施的参考依据。 该地图基于四项指标构建，并辅以风险分析，具体指标如下： **1. 疫情活动度（发病率）** 发病率指过去60天内首次检测呈阳性（RT-PCR检测与抗原检测）的人数占总人口的比例，以每10万居民为单位，用于不同地理区域间的疫情对比。 该指标分为三个等级： - 绿色：滑动周内每10万居民中阳性检测人数低于10例； - 橙色：滑动周内每10万居民中阳性检测人数超过10例； - 红色：滑动周内每10万居民中阳性检测人数超过50例。 **2. 病毒检测阳性率** 检测阳性率指在特定周期内，过去60天内首次检测呈阳性（RT-PCR检测与抗原检测）的人数占同期总检测人数（含阳性与阴性）的比例，且这些受试者在过去60天内未出现过阳性检测结果。 该指标分为三个等级： - 绿色：阳性率介于0%至5%之间； - 橙色：阳性率介于5%至10%之间； - 红色：阳性率超过10%。 **3. 病毒再生系数（R₀变化情况）** 病毒再生系数指一名感染者平均可传染的人数。若有效再生数R大于1，则疫情处于扩散阶段；若小于1，则疫情趋于消退。该指标于每周二统计、周四更新，反映约7天前的疫情态势，需结合检测活动与数据上报情况进行解读，更新频率为每周一次。 该指标分为三个等级： - 绿色：R₀介于0至1之间； - 橙色：R₀介于1至1.5之间； - 红色：R₀超过1.5。 **4. 重症监护床位医疗负荷** 该指标反映重症监护资源的使用情况与医疗系统的重症床位负荷。其计算方式为：当前接受重症监护、加强护理或持续监测的新冠患者占医院初始重症床位总数的比例（初始床位指未扩增重症床位前的配置数量）。 该指标分为三个等级： - 绿色：床位占用率介于0%至30%之间； - 橙色：床位占用率介于30%至60%之间； - 红色：床位占用率超过60%。 ### 数据说明 本次发布的数据集包含2020年3月15日起，全国及各省的上述四项指标的每日数值。 **数据更新频率**：每日更新 ### 重要更新说明 自2020年12月8日起，在验证上报数据质量后，所有RT-PCR或抗原检测结果均纳入全国及地方新冠疫情监测指标（发病率、阳性率及检测率）的计算体系。此外，随着疫情持续、检测能力提升，多次接受检测的人员比例逐渐升高，因此需要对重复检测患者的去重方法及检测人群定义进行调整。法国公共卫生署（Santé publique France）以患者为核心的流行病学分析方法也随之优化，以确保各项指标能够尽可能准确地反映受检人群中的感染比例。本次调整未改变疫情趋势的解读逻辑与疫情动态的分析结果，相关结论保持一致。法国公共卫生署还通过[Santé publique France](https://www.data.gouv.fr/fr/organizations/sante-publique-france/)发布了更为精准的检测相关数据（发病率与阳性率，即SI-DEP数据集）。

搜集汇总

数据集介绍

构建方式

本数据集源自法国政府开放数据平台data.gouv.fr，编号为5ee9df5003284f565d561278，遵循lov2许可协议。在Hugging Face平台上，每个data.gouv.fr数据集对应一个仓库，每个原始表格资源则映射为一个子集（configuration）。数据集包含两个子集：'table-indicateurs-open-data-france'和'table-indicateurs-open-data-dep-serie'，分别存储于Parquet格式文件中，每个子集均包含一个名为'train'的分割，便于直接加载与使用。

特点

该数据集收录了自2020年3月15日以来法国全国及各省每日更新的四项核心疫情监测指标：发病率、病毒学检测阳性率、病毒繁殖指数（R0）以及医院重症监护压力。各指标均设有明确的风险分级阈值，如发病率以每10万人中阳性病例数划分绿、橙、红三色，直观反映疫情动态。数据更新频率为每日一次，且自2020年12月起纳入了RT-PCR与抗原检测结果，并对重复检测人群进行了去重优化，确保统计准确性。

使用方法

用户可通过Hugging Face的datasets库便捷加载数据，例如执行'datasets.load_dataset("Data-Gouv-ML/indicateurs-de-suivi-de-lepidemie-de-covid-19", "table-indicateurs-open-data-france")'即可获取法国全国层面的指标表格。加载后，数据以'train'分割形式呈现，支持Pandas或PySpark等工具进一步分析。建议研究人员结合疫情时间序列，利用这些日度指标进行趋势建模或区域性比较，探索疫情传播规律与医疗资源压力之间的关系。

背景与挑战

背景概述

该数据集名为“Indicateurs de suivi de l’épidémie de COVID-19”，由法国公共数据平台data.gouv.fr于2020年5月28日发布，旨在追踪COVID-19疫情的发展动态。数据集由法国政府与公共卫生机构联合创建，核心研究问题是如何通过量化指标（如发病率、检测阳性率、病毒繁殖数R0及医院重症监护压力）科学评估疫情严重程度，并为解封政策提供差异化依据。作为法国首个公开的疫情综合监测数据集，它被广泛用于流行病学研究、政策制定和公共健康预警，推动了开放数据在公共卫生应急管理中的应用。其每日更新的国家与省级数据为实时疫情建模提供了关键支撑，影响力覆盖欧洲乃至全球的疫情数据共享实践。

当前挑战

该数据集面临多重挑战。在领域问题层面，它需解决如何通过多维指标（如发病率与R0动态）准确捕捉疫情拐点与传播风险，尤其在检测能力变化和病毒变异背景下保持指标灵敏性。构建过程中，挑战包括：法国公共卫生机构需处理大规模PCR与抗原检测结果的去重问题，因重复检测导致计算“新发阳性病例”时产生统计偏差；数据来源（如SI-DEP系统）的延迟和格式不一致需整合清洗；医院重症床位能力随时间调整，导致“紧张度”指标可比性下降。此外，2020年12月更新去重方法虽改善感染者比例估算，但需确保长期趋势一致性，避免政策误判。

常用场景

经典使用场景

在新冠疫情席卷全球的背景下，该数据集汇集了法国官方发布的四项关键流行病学指标——发病率、检测阳性率、病毒繁殖系数（R0）以及重症监护病房压力指数，是追踪疫情动态演变的核心数据资源。其经典使用场景涵盖时空流行病学分析，研究者可利用每日更新的国家级与省级数据，构建时间序列模型以监测疫情爆发趋势，评估封城、社交距离等非药物干预措施的效果。此外，该数据集常被用于绘制疫情风险地图，通过将四项指标分层为绿、橙、红等级，直观呈现不同地区的疫情严重程度，为公共健康决策提供量化依据。

解决学术问题

该数据集有效解决了疫情监测中数据碎片化与标准化不足的学术难题。它整合了法国公共健康机构（Santé publique France）的官方数据，提供了统一、可复现的指标定义与计算口径，使研究者能够聚焦于病毒传播动力学建模、干预效果评估以及疫情空间异质性分析等核心问题。其意义在于推动了流行病学研究中从描述性统计向预测性建模的转变，例如通过R0的实时估计验证传播模型假设，或是利用重症监护压力指数评估医疗系统韧性。这些工作为全球理解COVID-19的传播规律、优化资源分配策略奠定了数据基础，也促进了开放科学理念在公共卫生领域的实践。

衍生相关工作

基于该数据集催生了一系列经典工作：法国国家健康与医学研究院（INSERM）利用其构建了COVID-19住院需求预测模型，被用于指导医疗资源储备；经济学家则结合指标与流动数据，量化封控对经济活动的影响。数据集的开放特性还促进了可视化工具的开发，如Tableau社区制作的动态疫情仪表盘，以及研究团队发表的流行病学空间分析论文。最引人注目的是，该数据集被整合进欧洲疾病预防控制中心（ECDC）的跨国疫情比较研究中，成为评估区域内病毒传播异质性的关键输入。