data-Covid

🕗 Les figures sont mises à jour toutes les 24 à 48 h

🐣 C'est mon tout premier projet #dataviz sur GitHub

🎉 Toute remarque ou participation est la bienvenue (sur Twitter : @E_Dmz )

💡 Un jour je mettrai des slides expliquant (1) le calcul (2) la disposition des figures

🔎 Les figures sur cette page ne sont qu'un aperçu. Il faut aller dans le dossier Output pour voir l'ensemble

Les figures sont disponibles en PNG, SVG et PDF

• Introduction
• Figures type 1 : suivre en parallèle 5 indicateurs
• Quelques infos importantes avant de continuer...
• Figures type 2 : comparer les régions pour un indicateur
• Figures type 3 : suivre un indicateur dans une région et ses départements
• Figures type 4 : suivre tous les indicateurs pour une région
• ... et enfin le code source

(Cliquer sur la figure pour agrandir)

Introduction

L'objectif est de réutiliser les données épidémiologiques de Santé Publique France pour :**

• comparer l'impact sur trois classes d'âge : 0-29, 30-59 et + de 60 ans
• comparer les régions entre elles
• donner une vue d'ensemble de la période 01/03/2020 - 01/06/2021

Ceci est la version v5 👷‍♂️ : changements par rapport à v4 (en cours : 👷‍♂️ réalisé : ✔️)

• ✔️ figures Type 3 : les départements sur 3 colonnes, ratio hauteur:largeur proche de celui région / France
• ✔️ retrait de l'extrapolation des données hospitalières à l'échelon départemental
• 👷‍♂️ plus facile de changer la définition des classes d'âge visualisées (c'est du boulot, mais ça permettrait de visualiser l'évolution selon d'autres catégories d'âges...)
• 👷‍♂️ création d'un nouvel indicateur : ratio réa/hosp et décès/hosp (abandon de cette idée ? risque de poser problème pour les taux se rapprochent de 0...)
• ✔️ création d'un nouveau type de figures (Type 4) permettant de visualiser tous les indicateurs pour une région
• ✔️ indication chiffrée en bas de page des populations des classes d'âge considérées, au national (Type 1 et Type 2) et au régional (Type 3 et Type 4)
• ✔️ mise à jour du fichier README et de .gitignore
• ✔️ ajout d'une ligne horizontale de couleur tracée au niveau du dernier chiffre en date pour le groupe 60+
• 👷‍♂️ dans figures Type 3, passer la légende en première colonne + rétablir les 4 labels dans les figures "données hospitalières"
• 👷‍♂️ une page web pour mettre tout ça en forme ?

Figures Type 1 : suivre en parallèle 5 indicateurs

• 

exemple : les 4 régions ayant le plus fort taux d'hospitalisation chez les + de 60 ans (autres régions sont disponibles dans le dossier)

Quelques infos importantes avant de continuer...

• Le choix des couleurs (une par indicateur) met en relief la population + de 60 ans
• Chaque indicateur est rapporté à la population de chaque classe d'âge :
  • taux pour 100 000 habitants :
    • tests virologiques pratiqués par semaine
    • cas de tests positifs détectés par semaine (= incidence)
    • patients hospitalisés
    • patients en réanimation
    • patients décédés à l'hôpital
  • taux exprimés en % :
    • tests positifs sur 100 tests pratiqués (taux de positivité)
    • personnes vaccinées (au moins une dose)
    • personnes vaccinées (avec deux doses)
• Pour chaque indicateur, l'échelle des ordonnées (ymin, ymax) est immuable, quelles que soient la figure et l'entité géographique considérées
• L'échelle du temps est également immuable
• Les zones grisées représentent les 3 périodes de confinement à l'échelle nationale

3. Figures Type 2 : comparer les régions pour un indicateur

• 

• 3 exemples :

incidence :

réanimation :

décès :

Figures Type 3 : suivre un indicateur dans une région et ses départements

• Les données hospitalières à l'échelon départemental ne sont pas disponibles par classe d'âge.
• Pour les données hospitalières (hosp, réa, décès), à l'échelon départemental la décomposition par classe d'âge n'est pas fournie par Santé publique France. En conséquence, le taux pour la population totale est représentée par un trait coloré fin. Cette représentation est reprise dans les graphes du haut (région + France). L'échelle des ordonnées est rectifiée pour mieux voir les variations.
• 
• 4 exemples :

incidence en Île-de-France :

positivité en Bretagne :

vaccination dans les départements et régions d'Outre-mer :

Figures Type 4 : suivre tous les indicateurs pour une région

👷‍♂️

• 

Île-de-France :

Grand Est : Hauts-de-France :

... et enfin le code source

• données brutes :
• traitement des données :

🕗 L'exécution de ce carnet prend 6 secondes

• tracé des figures :

🕗 L'exécution de ce carnet prend (13 + 18 + 353) = 384 secondes (6 minutes)

• et pour faire fonctionner les calepins :