Data-Gouv-FR/donnees-des-rendez-vous-pris-dans-des-centres-de-vaccination-contre-la-covid-19

该数据集包含在法国COVID-19疫苗接种中心预约的数据。数据来源于Doctolib、Keldoc和Maiia三个预约平台，并由法国团结与卫生部进行汇总。数据集提供了按周统计的预约数量（不包括取消的预约），涵盖国家、地区、部门和中心等多个粒度，并区分第一剂和第二剂注射。此外，还包括剂量分配与未来预约的对比数据。这些数据主要用于监测疫苗接种活动的进展，支持公共卫生决策，并反映了2021年3月等特定时期的接种高峰情况。数据以Parquet和CSV格式提供，包含多个子集，如国家级别、地区级别、部门级别和中心级别的预约数据，以及相应的元数据。This dataset contains data on appointments made in COVID-19 vaccination centers in France. The data is sourced from three booking platforms: Doctolib, Keldoc, and Maiia, and aggregated by the French Ministry of Solidarity and Health. It provides weekly counts of appointments (excluding cancellations) at national, regional, departmental, and center levels, distinguishing between first and second doses. Additionally, it includes data comparing dose allocations with upcoming appointments per vaccination center. The data is used to monitor vaccination campaign progress, support public health decision-making, and reflects peaks in vaccinations, such as during March 2021. The dataset is provided in Parquet and CSV formats, with multiple subsets including national, regional, departmental, and center-level appointment data, along with corresponding metadata.

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部门在COVID-19疫情期间的官方疫苗接种预约记录，由法国数据开放平台data.gouv.fr权威发布，获取自Doctolib、Keldoc和Maiia三大第三方预约系统的信息集成，并由法国团结与卫生部统一整合。在HuggingFace平台上，每一份来自data.gouv.fr的原始表格资源均被映射为一个独立的子集配置，每个子集仅包含一个名为`train`的数据拆分，数据格式为高效的Parquet格式，便于大规模处理。

特点

该数据集的一个重要特色在于其多层次的空间粒度划分，覆盖全国、大区、省份及单个接种中心四个层级，同时包含疫苗分配与预约量的对比信息。数据集详细记录了每周每一剂次的预约数量，明确区分第一剂和第二剂，并以2021年12月2日为数据快照时间点。此外，还设有元数据子集，为区域层面的统计提供背景说明，便于用户理解数据含义。

使用方法

借助HuggingFace的`datasets`库，用户可通过指定子集名称轻松加载数据，例如调用`load_dataset`并设置配置参数为`allocations-vs-rdv`即可获取疫苗分配与预约对比数据。加载后的数据集将自动生成一个包含`train`拆分的字典结构，可直接用于数据分析和建模工作。该数据集使用法国政府开放的`lov2`许可协议，适用于研究、报道和政策分析等场景。

背景与挑战

背景概述

该数据集由法国卫生部与数字健康平台Doctolib、Keldoc及Maiia合作创建，旨在追踪COVID-19疫苗接种预约的时空分布。数据集发布于2021年，专注于解析法国境内疫苗接种的预约行为，覆盖国家、大区、省级及中心层级，并区分首剂与次剂接种。其核心研究问题在于量化疫苗预约与分配之间的匹配程度，为公共卫生决策提供数据支撑。在法国大规模疫苗接种运动中，该数据集成为评估预约系统效率、识别区域供需失衡的关键工具，对优化疫苗分配策略具有深远影响。

当前挑战

数据集主要应对的挑战包括：其一，疫苗预约数据与实际接种动态存在时间滞后，如2021年3月初出现大量未预约接种案例，导致预约数据无法完全反映真实接种进度。其二，数据整合面临异构源问题，Doctolib、Keldoc、Maiia三套系统的预约记录格式与更新频率各异，需统一清洗与标准化。其三，剂量分配与预约数据之间存在时间不匹配，因疫苗交付周期与库存管理差异，单周数据难以准确揭露供需关系，需跨多周分析方能揭示趋势。其四，构建过程中需处理大规模实时数据流，并确保隐私合规，同时需应对区域中心录入数据的瞬时性与不完整性。

常用场景

经典使用场景

该数据集收录了法国新冠疫苗接种中心预约记录的精细化统计信息，涵盖国家、大区、省级及单个接种中心四个层级，并按周维度区分首剂与第二剂预约数量。研究者可利用该数据追踪疫苗预约的时间演变趋势，分析不同地理尺度下预约量的分布规律，或结合疫苗分配数据评估预约与供应之间的匹配程度。其结构化的多级聚合格式尤其适合用于时间序列分析、空间流行病学建模以及资源配置优化研究。

衍生相关工作

该数据集衍生出多项开放数据标准实践，如采用Parquet与CSV双格式存储以平衡压缩效率与兼容性，并按行政层级拆分配置便于聚焦分析。基于此数据，研究者曾构建预约预测模型以解析疫苗分配延迟对预约量的影响，或将其与接种地点数据集关联开展地理可达性与接种公平性的实证分析。这些工作推动了公共卫生数据治理规范的演进，也为跨平台健康数据整合提供了技术范式参考。

数据集最近研究

最新研究方向

在新冠疫情全球大流行的背景下，该数据集记录了法国境内疫苗接种中心预约数据的时空分布，涵盖了国家级、大区级、省级乃至单个中心的预约数量与注射剂次（首剂与第二剂）的详细统计。当前，该数据的前沿研究聚焦于利用此类高粒度时空预约记录，结合疫苗分配与库存动态，构建预测模型以优化疫苗供给链的调度效率，同时分析预约行为与疫情波动、政策干预（如健康码推行）之间的耦合关系。此外，研究者正致力于通过对比预约与实际接种的偏差，评估数字平台在公共卫生突发事件中的响应灵敏度，为未来大规模免疫策略的数字化管理提供实证依据，并揭示人群健康行为的地域异质性。