Data-Gouv-FR/old-donnees-relatives-aux-resultats-des-tests-virologiques-covid-19

该数据集是法国COVID-19病毒学检测结果的旧数据集，自2022年5月18日起不再更新。数据来源于法国公共数据平台（data.gouv.fr），基于SI-DEP（检测信息系统）收集的实验室检测结果。数据集包含三个子集：部门级（sp-ti-tp-7j-dep-2021-04-12-18h12）、区域级（sp-ti-tp-7j-reg-2021-04-12-18h12）和国家级（sp-ti-tp-7j-fra-2021-04-12-18h12）。在部门级和区域级，数据包括每日和每周的检测人数、按年龄分层的阳性人数，以及7天滚动窗口的阳性人数；在国家级，数据还包括按性别和年龄分层的检测和阳性统计。数据经过去重处理，以避免同一人在短时间内多次检测被重复计数，并考虑了国际航班检测的调整。数据限制包括：仅包含居住部门可定位的检测，且数据上报可能存在延迟。数据集旨在支持流行病学监测，提供检测阳性率等指标。This dataset contains old data on COVID-19 virological test results in France, which is no longer updated as of May 18, 2022. The data comes from the French public data platform (data.gouv.fr) and is based on laboratory test results collected through the SI-DEP (Screening Information System). The dataset includes three subsets: departmental level (sp-ti-tp-7j-dep-2021-04-12-18h12), regional level (sp-ti-tp-7j-reg-2021-04-12-18h12), and national level (sp-ti-tp-7j-fra-2021-04-12-18h12). At the departmental and regional levels, the data includes the number of people tested and the number of positive cases by age group (daily and weekly), as well as the number of positive cases over a 7-day rolling window. At the national level, the data also includes the number of people tested and positive cases by sex and age group. The data has been deduplicated to avoid counting the same person multiple times for tests performed within a short interval, with adjustments for international flight testing. Limitations include that only tests with locatable residence departments are represented, and there may be delays in data reporting. The dataset is intended for epidemiological monitoring, providing indicators such as test positivity rates.

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机构（Santé publique France）的SI-DEP安全筛查信息平台，旨在系统记录COVID-19病毒检测结果。数据的原始来源为法国官方开放数据门户data.gouv.fr，经提取后以Hugging Face数据集仓库形式重新组织。每个原始表格资源被映射为一个独立的子集（configuration），并以Parquet格式高效存储。数据按行政管理层级划分，涵盖省级（département）、大区级（région）及国家级（France）三个粒度的统计指标，分别对应三个子集：sp-ti-tp-7j-dep-2021-04-12-18h12、sp-ti-tp-7j-reg-2021-04-12-18h12及sp-ti-tp-7j-fra-2021-04-12-18h12。所有子集均包含单一训练拆分（train），便于直接载入与使用。

特点

该数据集的核心特点在于其多维度、多尺度的流行病学指标构建。省级和区域级数据提供了按年龄分层的人数统计，包括每日和每周检测人数及阳性人数，并计算7日滑动窗口的阳性病例数；国家级数据则进一步细分为性别与年龄组别。特别值得注意的是，数据集在2021年5月引入了去重算法，对短时间内的多次测试进行单次计费，从而更精确地反映真实感染人数。此外，数据集还包含了针对机场入境检测的校正处理，提升了数据的准确性与方法学严谨性。数据覆盖时间截至2022年5月，记录了法国疫情演变的关键阶段。

使用方法

该数据集可通过Hugging Face的datasets库轻松加载。用户需指定所需的数据子集名称，例如加载省级数据时，使用load_dataset('Data-Gouv-ML/old-donnees-relatives-aux-resultats-des-tests-virologiques-covid-19', 'sp-ti-tp-7j-dep-2021-04-12-18h12')，返回的数据集中包含单一的'train'拆分，以Parquet格式高效压缩。由于数据为表格型结构，适合直接用于时间序列分析、流行病学建模或可视化研究。研究者可直接访问Pandas DataFrame进行数据清洗与统计计算。需注意，该数据集已停止更新，仅适用于历史回顾性分析，最新数据需参考其衍生数据集。

背景与挑战

背景概述

该数据集源自法国公共卫生机构Santé publique France，创建于2021年，旨在记录COVID-19病毒学检测结果，覆盖省级、大区及国家层面的检测人数、阳性人数及阳性率等关键流行病学指标。数据通过SI-DEP（检测信息系统）平台安全收集，自2020年5月起持续更新，直至2022年5月因格式变更而停用。作为法国COVID-19疫情监测的核心数据资源，它支撑了卫生部门对疫情动态的实时追踪与政策制定，对理解病毒传播模式、评估检测策略及优化公共卫生响应具有深远影响。

当前挑战

数据集面临的核心挑战包括领域问题与构建过程两大方面。在领域问题中，检测结果的准确性与代表性是首要难点，如重复检测导致的伪阳性率偏差、不同检测方法（RT-PCR与抗原检测）结果的一致性，以及区域数据因遗漏居民信息而产生的统计偏差，均影响疫情研判的可靠性。构建过程中，数据脱敏与匿名化的平衡、跨机构实验室数据的高效整合、以及因检测能力提升而频繁调整的算法（如去重策略），增加了数据治理的复杂性，同时需确保符合隐私法规与实时更新的需求。

常用场景

经典使用场景

作为法国公共卫生部门发布的COVID-19病毒检测官方数据集，该资源的核心应用场景聚焦于流行病学监测与疫情动态分析。研究者可借助其提供的省级、大区级及国家级分层数据，结合时间序列维度（例如7日滚动阳性率），精准追踪病毒传播态势。数据集涵盖按年龄段、性别划分的检测人数与确诊人数，为构建疫情传播模型提供了标准化的结构化输入，尤其适用于刻画不同人口学特征下的感染风险差异。其历史存档特性（数据截至2022年5月）更使其成为回顾性分析疫情早期演变规律的重要基石。

解决学术问题

该数据集有效回应了疫情暴发初期学术界面临的迫切需求：如何基于真实世界检测数据，客观量化病毒扩散的时空异质性。通过提供去重伪匿名化处理后的患者级检测结果，它解决了因重复检测导致的阳性率统计偏差问题，支撑了疫情强度与传播动态的可靠估计。研究者得以利用其精细的地理层级粒度，剖析区域性防控策略（如封锁、检测能力部署）对感染曲线的影响。此外，数据集推动了对检测阳性率、发病率等核心流行病学指标的标准化计算，为跨区域比较研究及政策效果评估奠定了方法学基础。

衍生相关工作

该数据集催生了多项衍生研究工作，包括利用其时间序列数据构建预测COVID-19传播动态的机器学习模型，以及结合人口流动数据探究社交距离政策效力的空间计量分析。后续发布的SI-DEP更新数据集延续了其指标框架，支持了针对变异株传播特征与疫苗突破性感染的持续监测。部分研究进一步将其与基因组流行病学数据整合，分析不同检测率背景下真实感染规模的估算方法。这些衍生工作共同形成了一个生态，从描述性统计转向因果推断与预测建模，深化了数据驱动疫情管理的科学范式。