Covid19 : 1 million de tests par semaine

[voir carte pleine page]

— English below —

Camarades cartographes, je poursuis dans ce billet l’exploration des données publiques sur la covid-19. Dans ce travail en pointillé, j’ai choisi cette fois-ci de regarder les données relatives aux résultats des tests virologiques. Ces données sont assez simples à interpréter. Le taux de positivité des tests correspond au nombre de positifs rapportés au nombre de tests réalisés. Les données sont disponibles chaque jour (ou ici, par semaines) par départements et par classes d’âges [voir].

A partir de ces données, j’ai réalisé deux propositions graphiques. L’une est cartographique, sous la forme assez classique d’une carte choroplèthe interactive par départements. L’autre prend la forme d’un graphique assez classique lui aussi, montrant la distinction par classes d’âges. Au regard de cet indicateur statistique, il ne fait aucun doute que l’épidémie progresse dans notre pays, en particulier chez les 20-29 ans.

Mais peut-on résumer la situation sanitaire à un seul indicateur ? Evidemment non. Avec une dangerosité et une létalité différente selon les tranches d’âge, celui-utilisé ici n’est d’ailleurs pas parfait. D’autres données ne seraient-elles pas plus efficaces ? Plus utiles ? Plus pertinentes ? Et quels seraient leurs biais sous-jacents ? Voilà autant de questions qu’il est primordial de se poser lors de la confection d’une carte. En d’autres termes, se demander quel est le bon proxy statistique susceptible de rende compte au mieux d’une réalité géographique complexe à un instant donné. Pas si facile de choisir. Taux de mortalité en part de la population pour montrer la dangerosité du virus et sa diffusion dans l’espace [voir] ? Nombre de personnes en reanimation pour montrer le débordement du système hospitalier [voir] ? Données relatives ? Données absolues ? Ne faut-il pas changer d’échelle [voir] ? En réalité, aucun indicateur n’est parfait et aucun ne suffit à lui seul. Chaque carte produira son propre discours, avec ce qu’il dit et ce qu’il ne dit pas. Gare aux manipulations.. 

[voir graphique pleine page]

NB : Les codes sources derrière ces visualisations sont disponibles ici :
https://observablehq.com/@neocartocnrs/choropleth-map-about-covid19-in-france

covid19: 1 million tests per week

Comrades cartographers, I follow in this post the exploration of public data on covid-19. In this work, I have chosen this time to look at the data related to the results of virological tests. This data is quite simple to understand. The positivity rate is the number of positive tests relative to the number of tests performed. The data is available daily (or here, by weeks) by department and by age group [see].

From this data, I made two graphical proposals. One is cartographic, in the classic shape of an interactive choropleth map by departments. The other one is a classical chart, showing the distribution by age groups. Considering this statistical indicator, there is no doubt that the epidemic is growing in our country, especially among the 20-29 year olds.

But can the health situation be summed up in a single indicator? Obviously not. With different dangerousness and lethality according to age groups, this one is not perfect. Wouldn’t other data be more effective? More useful? More relevant? And what would be the underlying biases? These are all questions that it is essential to ask when making a map. In other words, what is the right statistical proxy that can best depict a geographic reality at a given moment. Not so easy to decide. Mortality rate to show the dangerousness of the virus and its spread in space [see] ? Number of people in resuscitation to show the overflow of the hospital system [see] ? Relative data ? Absolute data ? Shouldn’t the scale be changed [see]? Relative data ? Absolute data ? Shouldn’t the scale be changed [see]? In practice, no indicator is perfect and none is enough on its own. Each map generate its own discourse, with what it says and what it doesn’t say. Beware of manipulations… 

NB: The source codes behind these visualizations are available here :
https://observablehq.com/@neocartocnrs/choropleth-map-about-covid19-in-france


Nicolas Lambert

Ingénieur de recherche CNRS en sciences de l'information géographique. Membre de l'UMS RIATE et du réseau MIGREUROP / CNRS research engineer in geographical information sciences. Member of UMS RIATE and the MIGREUROP network.

Vous aimerez aussi...

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search