Data-Gouv-FR/niveaux-dexces-de-mortalite-standardise-durant-lepidemie-de-covid-19

该数据集描述了COVID-19疫情期间的标准化超额死亡率水平，涵盖法国部门和区域级别。数据按两个年龄类别提供：所有年龄和65岁以上人群。计算方法是基于死亡证明的行政数据，使用EuroMomo联盟的统计模型，通过Z-score（标准化指标）来比较不同地理区域或年龄组的超额死亡情况。Z-score计算公式为：（观察死亡数 - 预期死亡数）/ 预期死亡数的标准差。数据定义了五个超额类别：无超额（Z-score <2）、中度超额（Z-score 2-4.99）、高度超额（Z-score 5-6.99）、极高超额（Z-score 7-11.99）和异常超额（Z-score ≥12）。数据覆盖3000个市镇，占全国死亡率的77%（区域范围63%-96%，部门范围42%-98%），但存在数据延迟，需30天巩固期。

This dataset describes the standardized excess mortality levels during the COVID-19 epidemic, at departmental and regional scales. The excess mortality level is described for two age categories: for all ages and for people over 65 years old. The data comes from the administrative part of the death certificate, collected by the civil registry offices of municipalities with dematerialized transmission to INSEE. The observed number of deaths is compared to an expected number, estimated from a statistical model established by the EuroMomo consortium and used by 24 countries or regions in Europe. The estimation of excess deaths relies on the calculation of a standardized indicator (Z-score), which allows comparison of excesses between different geographical levels or age classes. The Z-score is calculated by the formula: (observed number - expected number) / standard deviation of the expected number. Five excess categories are defined: No excess (Z-score <2), Moderate excess (Z-score between 2 and 4.99), High excess (Z-score between 5 and 6.99), Very high excess (Z-score between 7 and 11.99), and Exceptional excess (Z-score above 12). The estimated excesses are based on a set of 3000 municipalities for which Santé publique France has a long history of data, accounting for 77% of national mortality (varying from 63% to 96% by region and 42% to 98% by department). Due to legal reporting delays, data is considered consolidated within 30 days.

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署（Santé publique France）在COVID-19疫情期间的监测工作，依托EuroMomo联合体建立的统计模型，通过比较实际死亡人数与预测死亡人数来估算超额死亡率。数据来源于各市镇民政部门向法国国家统计与经济研究所（Insee）电子化传输的死亡证书行政部分。基于标准化指标（Z-score）的计算公式：(观察值 - 预期值)/预期值的标准差，将超额死亡水平划分为无超额、中等、高度、极高和异常五个等级。数据集在法国省级和大区两个地理尺度上构建，并针对全年龄段及65岁以上人群分别呈现。数据以Parquet格式存储，包含四个子集：省级数据、大区数据、元数据及标准化指标数据。

使用方法

用户可通过Hugging Face的datasets库便捷调用该数据集。使用load_dataset函数时需指定数据集标识符及所需子集名称，例如加载省级数据需选择配置项'niveaux-exces-mortalite-covid19-dep'。数据集包含四个可选的子集配置：省级超额死亡率数据、大区超额死亡率数据、元数据以及标准化指标数据，每个子集均包含单一的'train'拆分。用户可根据分析需求选择相应的地理层级和数据类型，利用pandas等工具对Parquet格式数据进行进一步处理、可视化和统计建模。该数据集适用于流行病学超额死亡率分析、COVID-19疫情时空影响评估及相关公共政策效果研究。

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，旨在量化COVID-19疫情期间标准化超额死亡率的变化。数据源自法国国家统计与经济研究所（Insee）收集的电子死亡证明，并采用欧洲EuroMomo联盟开发的统计模型估算预期死亡人数。该数据集提供了法国各省和大区层面的标准化超额死亡率指标（Z-score），覆盖全年龄及65岁以上人群，对于评估疫情对公共卫生的影响、优化资源配置以及制定防控策略具有重要意义。作为法国政府开放数据平台的重要资源，它为流行病学研究和国际比较提供了关键依据。

当前挑战

数据集中面临的核心挑战在于如何应对死亡报告的时间延迟，由于死亡登记涉及行政流程，且法定节假日或疫情高峰期（如封锁期间）会显著延长信息传递至Santé publique France的时间，导致死亡率数据需经过30天才能被视为完全整合。此外，数据集仅基于约3000个具有长期历史数据的市镇，这些地区覆盖全国77%的死亡率，但地区覆盖率差异显著（各省42%至98%，各地区63%至96%），由此引发的样本代表性偏差可能影响超额死亡率估计的准确性和可比性。

常用场景

经典使用场景

该数据集聚焦于COVID-19疫情期间法国标准化超额死亡率的量化评估，其经典使用场景包括基于Z-score指标的时空动态分析。研究者可借助该数据深入探讨不同行政层级（省与地区）、不同年龄组（全年龄段与65岁以上人群）的超额死亡模式，从而揭示疫情对法国人口死亡率的异质性冲击。通过省级和地区级子集，学者能够系统性地捕捉疫情高峰期的死亡异常波动，为流行病学建模提供关键实证基础。

解决学术问题

该数据集解决了疫情期间死亡率评估中标准化可比性不足的核心学术问题。传统死亡率分析常受制于人口结构和地域差异，而该数据引入EuroMomo联盟的标准化Z-score方法，使得跨区域、跨年龄组的超额死亡比较成为可能。这一方法学突破不仅帮助研究者区分疫情直接致死效应与间接医疗资源挤兑影响，还为评估封锁措施、疫苗接种等干预策略的有效性提供了量化工具，显著推动了应急公共卫生评估领域的科学化进程。

实际应用

在实际应用层面，该数据集为法国公共卫生决策和危机应对提供了不可或缺的数据支撑。Santé publique France可基于此数据实时监测各省超额死亡水平，动态调整医疗资源分配与封锁阈值。地方卫生机构通过分析不同类别的超额级别（从无异常到极端异常），能够精准识别疫情热点区域，优化防控优先级。此外，该数据还被用于历史对比分析，辅助评估未来类似大流行病爆发时的潜在死亡率影响，为跨部门应急协调提供科学依据。

数据集最近研究

最新研究方向

该数据集聚焦于法国COVID-19疫情期间标准化超额死亡率的时空演变分析，其最新研究前沿利用省级与区级Z-score指标探索疫情冲击下的年龄差异格局与社会经济脆弱性关联。通过整合EuroMomo统计模型，研究者得以剥离季节性波动与长期趋势，精准量化危机期间超额死亡的高热区域，为公共卫生干预策略的靶向部署提供计量基础。当前热点事件涉及利用该数据评估封锁政策、疫苗接种覆盖与非药物干预措施在不同年龄群体间的异质性效果，同时推动与跨国超额死亡率数据库的对比分析，以揭示大流行应对机制的普遍性与地方特异性。其意义在于将标准化超额死亡转化为可操作的风险预警工具，助力未来突发卫生事件的循证决策与资源调配优化。