Fall-, rese-, socioekonomisk och meterologisk data för att analysera socioekonomiska och miljömässiga mönster bakom spridningen av H1N1 i Sverige
SND-ID: 2021-282-1. Version: 1. DOI: https://doi.org/10.5878/0hkf-tn97
Tillhörande dokumentation
Ladda ner alla filer
Citering
Skapare/primärforskare
András Bota - Luleå tekniska universitet, Institutionen för system- och rymdteknik
Martin Holmberg - Umeå Universitet, Institutionen för Fysik, Integrated Science Lab
Lauren Gardner - Johns Hopkins University, Department of Civil and Systems Engineering
Martin Rosvall - Umeå Universitet, Institutionen för Fysik, Integrated Science Lab
Forskningshuvudman
Umeå universitet - Institutionen för Fysik, Integrated Science Lab
Beskrivning
Samling socioekonomiska och meterologiska indikatorer samt resemönster och fall av H1N1 under svininfluensapandemin i Sverige under 2009. Utgör kompletterande information för artikeln "Socioeconomic and environmental patterns behind H1N1 spreading in Sweden" by András Bóta, Martin Holmberg, Lauren Gardner and Martin Rosvall, Sci Rep 11, 22512 (2021). https://doi.org/10.1038/s41598-021-01857-4
Att identifiera de kritiska socioekonomiska, rese- och klimatfaktorerna som rör spridning av influensa är avgörande för att förutsäga och mildra epidemier. I artikeln studerar vi 2009 A (H1N1)-utbrottet i Sveriges kommuner under sex år mellan 2009 och 2015. Vårt mål är att upptäcka sambandet mellan ovanstående indikatorer och tidpunkten för sjukdomsepidemin. Vi identifierar också kommunerna som spelar en nyckelroll i utbrottet, liksom de mest kritiska resvägarna i landet.
Artikel tillgänglig på https://doi.org/10.1038/s41598-021-01857-4
Kommunkoder för Sveriges kommuner hittar du här:
https://www.scb.se/en/finding-statistics/regional-statistics/regional-divisions/counties-and-municipalities/counties-and
Att identifiera de kritiska socioekonomiska, rese- och klimatfaktorerna som rör spridning av influensa är avgörande för att förutsäga och mildra epidemier. I artikeln studerar vi 2009 A (H1N1)-utbrottet i Sveriges kommuner under sex år mellan 2009 och 2015. Vårt mål är att upptäcka sambandet mellan ovanstående indikatorer och tidpunkten för sjukdomsepidemin. Vi identifierar också kommunerna som spelar en nyckelroll i utbrottet, liksom de mest kritiska resvägarna i landet.
Artikel tillgänglig på https://doi.org/10.1038/s41598-021-01857-4
Kommunkoder för Sveriges kommuner hittar du här:
https://www.scb.se/en/finding-statistics/regional-statistics/regional-divisions/counties-and-municipalities/counties-and-municipalities-in-numerical-order/
Data tillgänglig enligt Creative Commons Erkännande-IckeKommersiell 4.0 Internationell (CC BY-NC 4.0)-licens.
Delade filer
Modellinput
1. giim_kommun_graph.csv
Uppsättning av frekventa resvägar mellan Sveriges kommuner.
Diagrammet är konstruerat från "Trafikanalys, 2016. Resvanor. (Nedladdat 26.8.19). Tillgänglig från: http://www.trafa.se/RVU-Sverige/." med hjälp av den metod som beskrivs i artikeln.
Sammaställningsdatum: 2018-12-01
Format: csv
Struktur: kantlista i (kommun1; kommun2) format med rader som indikerar en riktad länk mellan två kommuner. Kommuner betecknas enligt deras officiella kommunalkod
2. giim_casecounts.xlsx
Antal nya H1N1 -fall i Sveriges kommuner mellan 2009 och 2015.
Vårt dataset består av alla laboratorieverifierade fall av A (H1N1) pdm09 mellan maj 2009 och december 2015, extraherade från SmiNet-registret över anmälningspliktiga sjukdomar, som finns hos Folkhälsomyndigheten.
Av sekretessskäl anonymiseras ärenden och adresser aggregeras på DeSo-nivå tillsammans med
datum för diagnos, ålder och kön. Vi fick etiskt godkännande för datainsamlingen.
Sammaställningsdatum: 2018-12-01
Format: xlsx
Struktur: Varje flik representerar en influensasäsong från säsongen 2009/2010 till säsongen 2014/2015.
Varje flik är en matris med rader som anger kommuner enligt deras officiella kommunala kod och kolumner som anger epidemiska veckor. Matrisernas värden indikerar antalet nya laboratorieverifierade fall av A (H1N1) pdm09
3. giim_kommun_indicators.csv
Socioekonomiska och meteorologiska indikatorer tilldelade Sveriges kommuner enligt den metod som beskrivs i artikeln.
Indikatorer som ingår är:
a, medeltemperatur i grader Celsius,
b, absolut luftfuktighet i gram per kubikmeter,
c, befolkningsstorlek som antalet personer som bor i varje kommun,
d, befolkningstäthet som antalet personer per kvadratkilometer landyta,
e, medianinkomst per hushåll i tusen SEK,
f, andelen personer som får socialbidrag (i procent),
g, genomsnittligt antal barn yngre än 18 år per hushåll.
Meteorologiska data erhölls från European Climate Assessment Dataset "Klein Tank A, Wijngaard J, Können G, Böhm R, Demarée G, Gocheva A, et al. Daglig data av 1900-talets ytlufttemperatur och nederbördsserier för den europeiska klimatbedömningen. International Journal of Climatology: A Journal of the Royal Meteorological Society. 2002; 22 (12): 1441–1453. "
Data konverterades till kommunnivå enligt den metod som beskrivs i artikeln. Variabler är medeltemperatur och relativ luftfuktighet omvandlad till absolut fuktighet för alla kommuner i Sverige.
Socioekonomiska data samlades in från SCB mellan 2018 Ocotber och 2019 februari. Tillgängliga från: https://www.scb.se/en/. Variabler är: Den genomsnittliga hushållsinkomsten som en ekonomisk indikator. Det genomsnittliga antalet barn yngre än 18 år per hushåll för att ange familjens storlek.
Andelen människor som får socialhjälp för att representera fattigdom i en kommun. Befolkningens storlek och befolkningstäthet som antalet personer per kvadratkilometer landyta.
Sammaställningsdatum: 2018-02-01
Format: csv
Struktur:
Varje rad motsvarar en kommun betecknad enligt deras officiella kommunal kod. Kolumner anger socioekonomiska och meteorologiska indikatorer som markeras med rubrikraden.
Modelloutput
1. giim_export_risk.csv
Exportriskvärden för alla kommuner från vecka 37 till vecka 50 hösten 2009 beräknas med hjälp av den metod som beskrivs i artikeln.
Sammaställningsdatum: 2020-12-01
Format: csv
Struktur: Tabell med rader som anger svenska kommuner enligt deras officiella kommunkod, kolumner som anger epidemiveckor. Värden indikerar exportriskvärden (ska inte tolkas som sannolikheter).
2. giim_import_risk.csv
Importriskvärden för alla kommuner från vecka 37 till vecka 50 hösten 2009 beräknas med hjälp av den metod som beskrivs i artikeln.
Sammaställningsdatum: 2020-12-01
Format: csv
Struktur: Tabell med rader som anger svenska kommuner enligt deras officiella kommunkod, kolumner som anger epidemiveckor. Värden indikerar importriskvärden (ska inte tolkas som sannolikheter).
3. giim_transmission_prob.csv
Sändningssannolikheter mellan alla kommuner från vecka 37 till vecka 50 hösten 2009 beräknades med hjälp av den metod som beskrivs i artikeln.
Byggnadsdatum: 2020-12-01
Format: csv
Struktur: Länklista med flera länkvikter. Rader indikerar en riktad länk mellan de två kommunerna (kommun1; kommun2) i början av raden. Resten av värdena i varje rad betecknar motsvarande överföringssannolikheter för varje epidemivecka beräknad enligt den metod som beskrivs i artikeln. Visa mindre..
Data innefattar personuppgifter
Nej
Språk
Analysenhet
Population
Komplett uppsättning kommuner i Sverige
Tidsdimension
Urvalsmetod
Tidsperiod(er) som undersökts
2009 – 2015
Dataformat / datastruktur
Geografisk utbredning
Geografisk plats: Sverige
Geografisk beskrivning: Komplett uppsättning kommuner i Sverige
Ansvarig institution/enhet
Institutionen för Fysik, Integrated Science Lab
Etikprövning
Umeå
Approval was granted by the Regional Ethical Committee in Umeå on 2015-10-20.
Forskningsområde
Informationsteknik (CESSDA Topic Classification)
Datavetenskap (datalogi) (Standard för svensk indelning av forskningsämnen 2011)
Folkhälsovetenskap, global hälsa, socialmedicin och epidemiologi (Standard för svensk indelning av forskningsämnen 2011)
Hälsa (INSPIRE topic categories)
Specifika sjukdomar, störningar och medicinska tillstånd (CESSDA Topic Classification)
Folkhälsa (CESSDA Topic Classification)
Sortera på namn | Sortera efter år
Bóta A, Holmberg M, Gardner L, Rosvall M. Socio-economic and environmental patterns behind H1N1 spreading in Sweden. Sci Rep 11, 22512 (2021). https://doi.org/10.1038/s41598-021-01857-4
DOI:
https://doi.org/10.1038/s41598-021-01857-4
Klein Tank A, Wijngaard J, Können G, Böhm R, Demarée G, Gocheva A, et al. Daily dataset of 20th-century surface
air temperature and precipitation series for the European Climate Assessment. International Journal of Climatology: A Journal of the Royal Meteorological Society. 2002;22(12):1441–1453.
DOI:
https://doi.org/10.1002/joc.773