data

Quelle tranche d'age est la plus touchée par le Covid

by François Jolain

Nov 24, 2021 on

Ce que les données de santé public france révèlent de la pandémie

import pandas as pd
import numpy as np
import scipy as sp
import plotly.figure_factory as ff
import plotly.graph_objects as go
from plotly.offline.offline import plot
from plotly.subplots import make_subplots
from datetime import datetime

https://www.data.gouv.fr/fr/datasets/donnees-hospitalieres-relatives-a-lepidemie-de-covid-19/

df = pd.read_csv('donnees-hospitalieres-classe-age-covid19-2021-11-06-19h09.csv', sep=";")
df.head()

	reg	cl_age90	jour	HospConv	SSR_USLD	autres
0	1	0	2020-03-18	NaN	NaN	NaN
1	1	9	2020-03-18	NaN	NaN	NaN
2	1	19	2020-03-18	NaN	NaN	NaN
3	1	29	2020-03-18	NaN	NaN	NaN
4	1	39	2020-03-18	NaN	NaN	NaN

df['cl_age90'].unique()

array([ 0,  9, 19, 29, 39, 49, 59, 69, 79, 89, 90])

Remove unused columns and 0 class age

df.drop(['HospConv', 'SSR_USLD', 'reg'], axis=1, inplace=True)
df = df[df['cl_age90'] != 0]

Evolution du covid par âge

def reduce(age):
    if age in [9, 19, 29]:
        return '-30 ans'
    if age in [39, 49, 59]:
        return '30-60 ans'
    if age in [69, 79]:
        return '60-80 ans'
    if age in [89, 90]:
        return '+80 ans'

df['age'] = df['cl_age90'].apply(reduce)
data = df.drop('cl_age90', axis=1).groupby(['age', 'jour']).sum()

groups = [('-30 ans', 'rgb(180,151,231)'),
          ('30-60 ans', 'rgb(201,219,116)'), 
          ('60-80 ans', 'rgb(246,207,113)'), 
          ('+80 ans', 'rgb(102,197,204)')]

data

		hosp	rea	autres	rad	dc
age	jour
+80 ans	2020-03-18	826	94	0.0	76	146
	2020-03-19	1314	125	0.0	144	236
	2020-03-20	1498	131	0.0	192	283
	2020-03-21	1764	148	0.0	237	348
	2020-03-22	2022	161	0.0	281	413
...	...	...	...	...	...	...
60-80 ans	2021-11-02	2898	603	68.0	156739	31082
	2021-11-03	2937	607	67.0	156852	31095
	2021-11-04	2906	615	67.0	156979	31117
	2021-11-05	2920	617	67.0	157089	31126
	2021-11-06	2857	617	66.0	157201	31135

2396 rows × 5 columns

fig = go.Figure()

for i, c in groups:
        x = data.loc[i]
        fig.add_trace(go.Bar(name=i, x=x.index, y=x['hosp'], marker_color=c))
fig.update_layout(barmode='stack', title="Nombre d'hospitalisations chaque jour")
# fig.show()
plot(fig, include_plotlyjs=False, include_mathjax=False, output_type='div')

fig = go.Figure()

for i, c in groups:
        x = data.loc[i]
        fig.add_trace(go.Bar(name=i, x=x.index, y=x['rea'], marker_color=c))
fig.update_layout(barmode='stack', title="Nombre de réaminations chaque jour")
# fig.show()
plot(fig, include_plotlyjs=False, include_mathjax=False, output_type='div')

fig = go.Figure()

for i, c in groups:
        x = data.loc[i]
        fig.add_trace(go.Bar(name=i, x=x.index, y=(x['dc'] - x['dc'].shift(1)).clip(lower=0), marker_color=c))
fig.update_layout(barmode='stack', title="Nombre de décès chaque jour")

# fig.show()
plot(fig, include_plotlyjs=False, include_mathjax=False, output_type='div')

fig = go.Figure()

for i, c in groups:
        x = data.loc[i]
        fig.add_trace(go.Bar(name=i, x=x.index, y=x['dc'], marker_color=c))
fig.update_layout(barmode='stack', title="Nombre de décès cumulés")

# fig.show()
plot(fig, include_plotlyjs=False, include_mathjax=False, output_type='div')

Age moyen d’un français mort du covid

def classe_age_to_mean_age(cl):
    if cl == 90: # Si classe +90 ans, on retient 95 ans en moyenne
        return 95
    else: # Autres on retire 4, ex classe 79 (70 à 80) -> 75 ans en moyenne
        return cl - 4

moyenne = (df["cl_age90"].apply(classe_age_to_mean_age) * df["dc"]).sum() / df["dc"].sum()
print(np.around(moyenne), "ans en moyenne")

81.0 ans en moyenne

Résultat en accord avec cet article : https://www.lefigaro.fr/sciences/plus-de-90-des-deces-du-covid-19-surviennent-chez-les-plus-de-65-ans-20210119

Bonus : Calcul Probabilité Veran

Véran est tombé sur deux personnes de moins de 30 ans et moins de 40 ans en ouvrant au hasard deux portes à l’hopital. Quelle est la probabilité d’un tel évènement ?

https://youtu.be/FNeBVbUo4Ns?t=62

df.head()
proba = df.drop(['jour', 'age', 'autres', 'rad', 'dc', 'rea'], axis=1)
proba = proba.groupby(['cl_age90']).sum()
proba.columns = ['hospitalisation']

proba

	hospitalisation
cl_age90
9	25456
19	34775
29	116774
39	230535
49	443368
59	984884
69	1728398
79	2336084
89	2676130
90	1277138

proba = proba.cumsum() / proba.sum() * 100

fig = go.Figure()

for c in proba.columns:
        x = proba[c]
        fig.add_trace(go.Scatter(name=c, x=x.index, y=x))
fig.update_layout(
    title="Probabilité Véran", 
    xaxis_title='personne agée de moins de ... (ans)',
    yaxis_title="Probabilité de la trouver à hopital")
# fig.show()
plot(fig, include_plotlyjs=False, include_mathjax=False, output_type='div')

print(0.018*0.041 * 100, "%")

0.07379999999999999 %

La probabilité de tomber sur une personne de moins de 29 est de 1,8%, la probabilité de tomber sur une personne de moins de 39 ans est de 4,1%, la probabilité de cumuler les deux est donc de 0,07% …

Véran a donc eu moins d’une chance sur mille de se retrouver dans une telle situation. De là à dire qu’il ment….