Bienvenue dans ma page de visualisations de données liées au covid-19 en France

Nous avons téléchargé notre jeu de données sur data.gouv.fr dont le thème principal repose sur la pandémie covid-19 en France. Notre jeu de données comporte des données hospitalières liées à la pandémie covid-19 dans la région d’Auvergne-Rhône-Alpes précisément dans le département d’Isère. Nous avons ouvert le document mais nous avons constaté que sur les données sexe, il y a une erreur ou incohérence car ils ont listé des données par genre c’est-à-dire pour les hommes et pour les femmes mais ils ont listé aussi une donnée appelée Tous dans la colonne Sexe. Dans la donnée Tous on ne peut pas savoir si ce sont des données qui réunies les hommes et les femmes, ou qui les réunit par tranche d’âge. Du coup nous avons importé notre jeu de données sur OpenRefine afin de faire des modifications (filtrer, supprimer, déplacer etc.) qui nous permettraient d’avoir des visualisations qui correspondent à nos attentes.

Visualisation de données n° 1 avec datawrapper

Cette visualisation ci-dessous est une représentation des données hospitalières liées à la pandémie Covid-19 dans la région Auvergne-Rhône-Alpes. Pour les besoins de cette visualisation nous avons filtré les données sur openRefine afin d’avoir le nombre total d’hommes et de femmes touchés par le covid-19 en Auvergne-Rhône-Alpes. L’analyse qu’on peut faire à partir de cette visualisation est que la région Auvergne-Rhône-Alpes fait partie des régions les plus touchées par la pandémie covid-19 en France. Cette progression fulgurante dans cette région peut être due au non-respect des distanciations physiques et à la réglementation en vigueur.

Visualisation de données n°2 avec datawrapper

Pour les besoins de cette représentation, nous avons filtré notre jeu de données sur openRefine afin d’avoir des données sur les hommes uniquement par rapports aux nombres d’hospitalisations par jour, de sortie, de décès et d’admis en soins intensifs. Ainsi l’analyse qu’on peut faire de cette visualisation de données est la suivante : On voit au mois d’avril jusqu’au mois de mai que les courbes du nombre de décès, de soins intensifs et jour_hospitalisation sont en nette progression de même que la courbe sortie. Cette ascension des courbes s’explique par le fait que ça coïncidait à la première vague de l’épidémie (ou pic épidémique) coronavirus en France. Ensuite on voit qu’à partir du mois de juin jusqu’au mois de septembre que les courbes (décès, jour_hospitalisation, soins intensifs) sont en régression. Cela s’explique par l’effet du confinement qui a permis de réduire considérablement l’avancée de l’épidémie et de ses inconvénients. De même la courbe sortie s’est stabilisée car le confinement a réduit les admissions dans les hôpitaux. A partir du mois d’octobre et novembre, toutes les courbes connaissent une ascension fulgurante et cela s’explique par une deuxième vague de contamination liée à la pandémie covid-19. Elles régressent après petit à petit sous l’effet du couvre-feu et du second confinement. Enfin, au mois de décembre et janvier 2021 on note une stabilisation des courbes du nombre d’admis en soins intensifs et d’hospitalisation par jour contrairement aux courbes du nombre de décès et de sortie qui connaissent une montée.

Visualisation de données avec n°3 avec datawrapper

Pour les besoins de cette représentation, nous avons filtré notre jeu de données sur openRefine afin d’avoir des données sur les femmes uniquement par rapports aux nombres d’hospitalisations par jour, de sortie, de décès et d’admis en soins intensifs. Ainsi l’analyse qu’on peut faire de cette visualisation de données est une analyse comparative entre les données des hommes et des femmes par rapport au covid-19. Ainsi d’après ce graphique ci-dessous on note que le coronavirus a fait plus de victimes chez les hommes que chez les femmes dans la région d’Auvergne-Rhône-Alpes. Cela peut être dû à plusieurs facteurs dont le surpoids chez les hommes, la cigarette et d’autres pathologies mais scientifiquement il n’y a pas encore de réponses pertinentes sur la question.

Markdown is a lightweight and easy-to-use syntax for styling your writing. It includes conventions for

Syntax highlighted code block

# Header 1
## Header 2
### Header 3

- Bulleted
- List

1. Numbered
2. List

**Bold** and _Italic_ and `Code` text

[Link](url) and ![Image](src)

For more details see GitHub Flavored Markdown.

Jekyll Themes

Your Pages site will use the layout and styles from the Jekyll theme you have selected in your repository settings. The name of this theme is saved in the Jekyll _config.yml configuration file.

Support or Contact

Having trouble with Pages? Check out our documentation or contact support and we’ll help you sort it out.