Covid-19 Data driven regional comparison in France - v210128

Covid-19 progression:
Data driven regional
comparison in France
The study investigates how mortality due to Covid-19 vary
according to the territories and the effect of age-categories in
France, based on a composite index combining two dimensions
(ratios and growth rates) and four indicators (hospatilisations,
admissions to ICU, mortality and infections).
We calculate the ratios (hospitalization, ICU admission, and Sars-
Cov-2 infection) along with its average composite growth rate, by
applying age-specific data to the population of each region.
The obtained results – significant variability – suggest that the
elderly population has unequal chance facing the Covid-19 across
the regions, although the progression of the disease has followed
almost the same trend everywhere for all age-categories during
the analysed periods (01-07 and 15-21 January).
L'étude examine comment la mortalité due à la Covid-19 varie
selon les territoires et l'effet des catégories d'âge en France, sur la
base d'un indice composite combinant deux dimensions (ratios et
taux de croissance) et quatre indicateurs (hospitalisations,
admissions en USI, mortalité et infections).
Nous calculons les ratios (hospitalisation, admission aux soins
intensifs et infection à Sars-Cov-2) ainsi que son taux de
croissance composite moyen, en appliquant des données
spécifiques à l'âge à la population de chaque région.
Les résultats obtenus - variabilité significative - suggèrent que la
population âgée a des chances inégales face au Covid-19 à travers
les régions, bien que la progression de la maladie ait suivi presque
la même tendance partout pour toutes les catégories d'âge au
cours des périodes analysées (01-07 et 15-21 janvier).
M. Bouanane – Consulting
Director | January 2021

Covid-19: Data driven regional comparison in France
M. Bouanane 2 / 10
Introduction
The objective of this study is to investigate how mortality due to Covid-19 vary according to the territories
and the effect of age categories in France, and to identify the most vulnerable region(s), in order to help
policymakers understand how they can better control the spread of the disease and thus enable them to
take the most urgent and adequate and necessary. We have therefore defined a structure of three major
age categories: Under 30, between 30 and 59, and finally 60-year-old and over.
The indicators chosen are those of hospitalizations, intensive care admissions, deaths and the infection
numbers according to hospital sources since March 18, 2020 (Does not include data from EHPADs –
retirement / nursing homes – and socio-medical centres).
The study is based on analysing the ratio and rate of growth of the indicators made available to the public
by the health authorities1
and defined below.
Definitions
Inf Daily number of newly infected patients
Hosp Daily number of patients currently hospitalized with a Covid-19 diagnosis
Rea Daily number of patients currently in intensive care unit (ICU) with a Covid-19
diagnosis
Mor Cumulative number of patients who died with a Covid-19 diagnosis
XXX_Ratio Defines the ratio of the variable XXX per 100k population
XXX_GRate Defines the composite average growth rate of the ratio of variable XXX
Methodology
We calculate the ratio of each indicator relative to that of a reference population (100k population) for each
territory and per each age-specific structure. The growth rate used in this study is a running compound 14-
day average to consider the incubation period of the SARS-Cov-2 virus and therefore the effects this may
have on contamination2
. Therefore, we obtain normalised values (ratios and growth rates – percentages).
Next, we calculate the relative values for each normalised variable using the Distance-to-target method.
This method divides the indicator value for a given territory by the value of a target reference. The target
reference value is the country’s value, so that the territories’ values represent a fraction of the country’s
value.
For each age-structure and for the whole population, we build a sub-index grouping the different indicators
(hospitalisations, admissions to ICU, mortality and infections). Each sub-index is computed as an arithmetic
mean (addition of relative indicators’ scores) of the weighted relative – normalised indicators’ values.
1 https://www.data.gouv.fr/fr/organizations/sante-publique-france/
2 Data driven comparison of the Covid-19 progression in France, M. Bouanane, December 2020

M. Bouanane 3 / 10
The aggregation of the sub-indices develops a composite index for each dimension (ratios and growth rates)
using a geometric method, the multiplication of weighted sub-indices’ scores.
Weighting indicators and sub-indices reflects the level of variability of the scores between territories. The
lower the dispersion of the territories’ scores, the higher the weight3
.
Territories are therefore ranked according to the highest – the worst – score of the sub-index and composite
index. An overall scoring and ranking is thus build mixing the two dimensions (ratios and growth rates) using
the geometric method with equal weighting. Another dimension – the occupation ratios of the
hospitalisation and ICU capacities – would improve the overall scoring and ranking of the different
territories.
Analysis of Covid-19 according to territories and age structure
This study investigates the contribution of the age structure of the population to mortality due to Covid-19
in France by geographic localities (administrative regions). We calculate the mortality ratio (hospitalization,
ICU admission, and Sars-Cov-2 infection) along with its average composite growth rate, by applying age-
specific data to the population of each region.
Period 01 – 07 January
Our analysis shows a significant variation – of the order of 44% overall (41% for the period 15 – 21 January)
– in the ratios (of mortality, hospitalization, admission to intensive care unit and Sars-Cov-2 infection)
between the different territories (13 regions). It also shows a fairly significant difference in the variability of
the ratios between different age-categories, as well as between different ratios within the same age-
category (in particular for the mortality ratio).
Indeed, the variability of the ratios (of mortality, hospitalization, admission to intensive care unit and Sars-
Cov-2 infection) between territories increases with age, except for the mortality ratio for the category of 30
- 59-year-old which reaches the highest variability rate of 62% (60% for the period 15 – 21 January). Within
each age-category, the mortality ratio has the highest variability rate except for the category under 30-year-
old which has the lowest among other indicators.
However, the variability in growth rates of the ratios (mortality, hospitalization, admission to intensive care
unit and Sars-Cov-2 infection) between territories is almost non-existent – of the order of 0.7% overall (0.9%
for the period 15 – 21 January) – except in three cases, varying between 16% and 32% (two cases, varying
between 11% and 12% for the period 15 – 21 January).
Period 15 – 21 January
The main change between the two periods is a slight increase in global growth rates (around 1% for the
hospitalisations and admissions to ICU and more than 3.5% for the infections) while a stabilising the growth
rate in mortality.
Despite the stabilisation of the mortality growth rate (a change by +0.04% for the country) between the two
periods and for all age-categories, the most notable change is the 16.8% increase in ICU admissions
(growing from -25.2% to -12.7%) for the population under 30 year-old compared to the period 01 – 07
January.
However, for the ratios, the moderate increase trend is almost the same for all age-categories. The mortality
rate for people aged 60 and over increased the most, by 8.3% (growing from 245.74 to 266.13 per 100k
3 For more details, refer to A Proposal of a Digital Economy & Information Society Index, M. Bouanane, October 2020

M. Bouanane 4 / 10
population). While the ratio of ICU admissions for the population under 30 year-old recorded the largest
increase, up by 11%, growing from 0.12 to 0.13.
Conclusion
Table #1 and #2 below highlight the general ranking mixing the two dimensions (ratios and growth rates) for
the periods 01-07 and 15-21 January, respectively. Despite a slight difference in the general ranking
between the two periods, the territories that require urgent decisions to better control the progression of
the Covid-19 are Bourgogne-Franche-Comté, Provence-Alpes-Côte d'Azur and Ile-de-France. A close
surveillance and monitoring should be devoted to the Grand-Est, Auvergne-Rhône-Alpes and Hauts-de-
France regions.
The results discussed above – significant variability – suggest that the elderly population has unequal
chance facing the Covid-19 across the regions, although the progression of the disease has followed almost
the same trend everywhere for all age-categories during the analysed periods, i.e.
1. For the period 01 – 07 January: a slight decrease of the growth rate for all indicators and very low
increase in mortality for people over 30-year-old4
;
2. For the period 15 – 21 January: a moderate increase of the growth rate in infections and a very low
increase in mortality for people over 30-year-old5
.
4
The hospitalisations and admissions to ICU growth rate is much lower for the population under 30-year-old and
reaches in average -7.5% and -25.2% respectively.
5
The hospitalisations and admissions to ICU growth rate is much lower for the population under 30-year-old and
reaches in average -3.8% and -12.7% respectively.

Covid-19: Comparaison régionale basée sur les données hospatilières en France
M. Bouanane 5 / 10
Introduction
L'objectif de cette étude est d'examiner comment la mortalité due à la Covid-19 varie selon les territoires et
les catégories d'âge en France, et d'identifier la ou les régions les plus vulnérables, afin d'aider les décideurs
à comprendre comment ils peuvent mieux lutter contre la propagation de la maladie et donc leur permettre
de prendre les mesures les plus urgentes et les plus adéquates. Ainsi, nous avons défini une structure en
trois grandes catégories d'âge: prendre toutes les mesures sanitaires et politiques les plus adéquates. Ainsi,
nous avons défini une structure en trois grandes catégories d'âge: moins de 30 ans, entre 30 et 59 ans et
enfin 60 ans et plus.
Les indicateurs retenus sont ceux des hospitalisations, des admissions en soins intensifs, des décès et des
ratios d'infection selon les sources hospitalières au 18 mars 2020 (ne comprend pas les données des EHPAD
– maisons de retraite – et centres socio-médicaux).
L'étude est basée sur l'analyse du ratio et du taux de croissance des indicateurs, mis à disposition du public
par les autorités sanitaires6
, définis ci-après.
Définitions
Inf Nombre journalier de patients nouvellement infectés
Hosp Nombre journalier de patients actuellement hospitalisés avec diagnostic Covid-19
Rea Nombre journalier de patients actuellement en soins intensifs avec diagnostic Covid-19
Mor Nombre cumulé de personnes décédées avec diagnostic Covid-19
XXX_Ratio Définit le ratio de la variable XXX par rapport à 100k habitants
XXX_GRate Définit le taux de croissance moyen composite du ratio de la variable XXX
Méthodologie
Nous calculons le ratio de chaque indicateur par rapport à celui d'une population de référence (100k
habitants) pour chaque territoire et pour chaque structure d'âge. Le taux de croissance utilisé dans cette
étude est une moyenne composite de 14 jours pour tenir compte de la période d'incubation du virus SRAS-
Cov-2 et donc des effets que cela peut avoir sur la contamination7
. On obtient donc des valeurs normalisées
(ratios et taux de croissance - pourcentages).
Ensuite, nous calculons les valeurs relatives pour chaque variable normalisée à l'aide de la méthode
Distance-à-cible. Cette méthode divise la valeur de l'indicateur, pour un territoire donné, par la valeur d'une
référence cible. La valeur de référence cible est celle du pays, de sorte que les valeurs des territoires
représentent une fraction de la valeur du pays.
Pour chaque structure d'âge et pour l'ensemble de la population, nous construisons un sous-indice
regroupant les différents indicateurs (hospitalisations, admissions en USI, mortalité et infections). Chaque
6 https://www.data.gouv.fr/fr/organizations/sante-publique-france/
7 Data driven comparison of the Covid-19 progression in France, M. Bouanane, December 2020

M. Bouanane 6 / 10
sous-indice est calculé comme une moyenne arithmétique (addition des scores) des valeurs relatives
pondérées des indicateurs normalisés.
L’agrégation des sous-indices développe un indice composite pour chaque dimension (ratios et taux de
croissance) en utilisant une méthode géométrique, la multiplication des scores pondérés des sous-indices.
La pondération des indicateurs et sous-indices reflète le niveau de variabilité des scores entre les territoires.
Plus, la dispersion des scores des territoires est faible, plus le poids est élevé8
.
Les territoires sont donc classés en fonction du score le plus élevé - le moins bon - du sous-indice et de
l'indice composite. Une notation et un classement global sont ainsi construits en combinant les deux
dimensions (ratios et taux de croissance) selon la méthode géométrique à pondération égale. Une autre
dimension - les taux d'occupation des capacités d'hospitalisations et de soins intensifs - améliorerait la
notation globale et le classement des différents territoires.
Analyse de la situation du Covid-19 selon les territoires at la
structure d’âge
Cette étude examine la contribution de la structure d’âge de la population à la mortalité due à la Covid-19
en France par territoire (régions administratives). Nous calculons les ratios de mortalité (d'hospitalisation,
d'admission en soins intensifs et d'infection au Sars-Cov-2) ainsi que son taux de croissance composite
moyen, en appliquant les données spécifiques à l’âge à la population de chaque territoire.
Période du 01 – 07 janvier
Notre analyse montre une variation significative – de l'ordre de 44% globalement (41% pour la période du
15 au 21 janvier) – dans les ratios (de mortalité, d'hospitalisation, d'admission en soins intensifs et
d'infection au Sars-Cov-2) entre les régions de la métropole française (13 régions). Elle montre également
une difference assez significative dans la variabilité des ratios entre les différentes catégories d'âge, ainsi
qu'entre les différents ratios d’indicateurs au sein de chaque catégorie d'âge (en particulier pour le ratio de
la mortalité).
En effet, la variabilité des ratios (de mortalité, d'hospitalisation, d'admission en soins intensifs et d'infection
au Sars-Cov-2) entre les territoires augmente avec l’âge à l’exception du ratio de mortalité pour la catégorie
des 30 – 59 ans qui atteint le taux de variabilité le plus élevé de 62% (60% pour la période du 15 au 21
janvier). Dans chaque catégorie d'âge, le ratio de mortalité a le taux de variabilité le plus élevé, sauf pour la
catégorie des moins de 30 ans qui a la variabilité la plus faible.
Cependant, la variabilité des taux de croissance (de mortalité, d'hospitalisation, d'admission en soins
intensifs et d'infection au Sars-Cov-2) entre les régions est quasi inexistante – de l'ordre de 0,7%
globalement (0,9% pour la période du 15 au 21 Janvier) – sauf dans trois cas, variant entre16% et 32% (deux
cas, variant entre 11% et 12% pour la période du 15 au 21 janvier).
Période du 15 – 21 janvier
Le principal changement entre les deux périodes est une légère augmentation du taux global de croissance
(environ 1% pour les hospitalisations et admissions en soins intensifs, et plus de 3,5% pour les infections)
tout en stabilisant le taux global de croissance (pour l’ensemble des regions) de la mortalité.
8 For more details, refer to A Proposal of a Digital Economy & Information Society Index, M. Bouanane, October 2020

M. Bouanane 7 / 10
Malgré la stabilisation du taux global de croissance de la mortalité (évolution de 0,04% pour toute la France)
entre les deux périodes et pour toutes les catégories d'âge, le changement le plus notable est
l'augmentation de 16,8% des admissions en soins intensifs pour la population de moins de 30 ans par
rapport à la période du 01 au 07 janvier (passant de -25,2% à -12,7%).
Cependant, pour les ratios, la tendance à la hausse modérée est presque la même pour toutes les
catégories d'âge. Le ratio de mortalité, des personnes &gées de 60 ans et plus, a le plus augmenté, de 8,3%,
passant de 245,74 à 266,13 par 100k population. Alors que le ratio des admissions en soins intensifs, pour la
population de moins de 30 ans, a enregistré la plus forte augmentation (en hausse de 11%, passant de 0,12
à 0,13 par 100k population).
Conclusion
Les tableaux #1 et #2 ci-dessous illustrent le classement général combinant les deux dimensions (ratios et
taux de croissance) pour les périodes 01-07 et 15-21 janvier, respectivement. Malgré un léger changement
dans le classement général, les régions qui nécessitent des décisions urgentes pour mieux maîtriser la
progression du Covid-19 sont la Bourgogne-Franche-Comté, la Provence-Alpes-Côte d'Azur et l'Ile-de-
France. Une surveillance étroite doit être consacrée aux régions Grand-Est, l'Auvergne-Rhône-Alpes et les
Hauts-de-France.
Les résultats discutés ci-dessus suggèrent que la population âgée a des chances inégales face au Covid-19
selon les regions d’habitation, malgré que la progression de la maladie ait eu presque la même tendance
partout pour toutes les catégories d'âge au cours des périodes analysées, soit
1. Pour la période du 01 au 07 janvier: une légère baisse du taux de croissance pour tous les
indicateurs et une très faible augmentation de la mortalité pour les personnes agées de plus de 30
ans;
2. Pour la période du 15 au 21 janvier: une augmentation modérée du taux de croissance des
infections et une très faible augmentation de la mortalité des personnes agées de plus de 30 ans.

Covid-19: Scoring & ranking of French’ regions
M. Bouanane 8 / 10
Region (01-07 Jan)
Overall
Rank
Overall
Score
Relative Ratio Relative Growth
Rank Score Rank Score
Ile-de-France 2 1,105 2 1,222 8 1,000
Centre-Val de Loire 7 0,948 7 0,898 5 1,001
Bourgogne-Franche-Comté 1 1,179 1 1,387 3 1,001
Normandie 8 0,923 8 0,851 2 1,002
Hauts-de-France 6 0,993 6 0,988 11 0,998
Grand-Est 3 1,098 3 1,206 4 1,001
Pays de la Loire 11 0,813 11 0,661 9 1,000
Bretagne 12 0,739 12 0,547 12 0,998
Nouvelle-Aquitaine 10 0,834 10 0,695 7 1,000
Occitanie 9 0,862 9 0,742 6 1,000
Auvergne-Rhône-Alpes 5 1,062 5 1,129 10 0,999
Provence-Alpes-Côte d'Azur 4 1,079 4 1,161 1 1,002
Corse 13 0,723 13 0,525 13 0,994
Region (15-21 Jan)
Overall
Rank
Overall
Score
Relative Ratio Relative Growth
Rank Score Rank Score
Ile-de-France 3 1,098 3 1,207 9 0,999
Centre-Val de Loire 7 0,953 7 0,908 3 1,001
Bourgogne-Franche-Comté 1 1,141 1 1,304 11 0,998
Normandie 8 0,934 8 0,872 4 1,000
Hauts-de-France 6 0,990 6 0,981 8 0,999
Grand-Est 4 1,060 4 1,126 12 0,997
Pays de la Loire 11 0,841 11 0,706 6 1,000
Bretagne 12 0,744 12 0,553 5 1,000
Nouvelle-Aquitaine 10 0,856 10 0,731 2 1,002
Occitanie 9 0,900 9 0,808 1 1,003
Auvergne-Rhône-Alpes 5 1,047 5 1,097 10 0,999
Provence-Alpes-Côte d'Azur 2 1,115 2 1,243 7 1,000
Corse 13 0,739 13 0,548 13 0,997

M. Bouanane 9 / 10
Score
Rel_Hosp
_Ratio
Rel_Rea_
Ratio
Rel_Mor
_Ratio
Rel_Inf_
Ratio
Score
Rel_Hosp
_Ratio
Rel_Rea_
Ratio
Rel_Mor
_Ratio
Rel_Inf_
Ratio
Score
Rel_Hosp
_Ratio
Rel_Rea_
Ratio
Rel_Mor
_Ratio
Rel_Inf_
Ratio
Score
Rel_Hosp
_Ratio
Rel_Rea_
Ratio
Rel_Mor
_Ratio
Rel_Inf_
Ratio
Ile-de-France 2 1,222 1,15 1,035 1,137 1,433 1,003 1,15 1,353 1,030 1,268 0,944 1,40 1,297 1,319 2,222 0,984 1,30 1,280 1,317 1,800 0,912
Centre-Val de Loire 7 0,898 0,94 0,932 1,112 0,757 0,952 0,90 0,883 0,987 0,838 0,865 0,86 0,889 0,958 0,583 0,917 0,90 0,859 1,050 0,699 0,950
Bourgogne-Franche-Comté 1 1,387 1,59 1,736 1,612 1,401 1,617 1,31 1,677 1,379 1,024 1,553 1,37 1,521 1,495 0,865 1,472 1,43 1,545 1,336 1,261 1,550
Normandie 8 0,851 0,80 0,904 0,710 0,676 0,904 0,94 0,921 1,056 0,838 0,914 0,80 0,800 0,772 0,745 0,852 0,76 0,856 0,685 0,630 0,840
Hauts-de-France 6 0,988 1,03 1,049 1,020 1,091 0,983 0,92 0,951 0,902 0,952 0,866 1,01 1,020 1,034 1,018 0,957 1,11 1,148 1,105 1,191 1,014
Grand-Est 3 1,206 1,44 1,462 1,360 1,595 1,367 1,03 1,012 1,006 0,973 1,264 1,29 1,402 1,247 1,285 1,235 1,42 1,427 1,312 1,573 1,403
Pays de la Loire 11 0,661 0,57 0,613 0,435 0,525 0,686 0,81 0,641 0,896 0,838 0,688 0,51 0,411 0,548 0,425 0,631 0,60 0,641 0,505 0,527 0,703
Bretagne 12 0,547 0,37 0,426 0,294 0,318 0,450 0,80 0,546 0,954 0,838 0,524 0,47 0,495 0,621 0,262 0,434 0,35 0,396 0,299 0,300 0,402
Nouvelle-Aquitaine 10 0,695 0,57 0,501 0,601 0,425 0,741 0,90 0,865 0,930 0,927 0,754 0,57 0,535 0,605 0,369 0,720 0,53 0,439 0,598 0,375 0,678
Occitanie 9 0,742 0,67 0,548 0,686 0,526 0,905 0,87 0,618 0,929 0,881 0,916 0,64 0,519 0,688 0,380 0,864 0,65 0,519 0,698 0,494 0,820
Auvergne-Rhône-Alpes 5 1,129 1,25 1,374 1,195 1,225 1,221 1,06 1,056 1,059 1,016 1,165 1,10 1,326 1,112 0,736 1,152 1,25 1,404 1,205 1,274 1,153
Provence-Alpes-Côte d'Azur 4 1,161 1,40 1,303 1,514 1,031 1,707 1,04 0,910 0,982 0,941 1,568 1,15 1,059 1,034 0,748 1,637 1,32 1,207 1,441 0,944 1,579
Corse 13 0,525 0,37 0,143 0,372 0,480 0,462 0,77 0,462 0,896 0,838 0,539 0,43 0,253 0,332 0,711 0,487 0,34 0,130 0,458 0,415 0,350
FR (Ratios) 37,76 4,01 69,78 22,59 1,16 0,12 0,19 21,65 9,95 2,01 8,63 26,35 123,84 11,79 245,74 22,68
Region (01-07 Jan)
30 <= & < 60 yrs old 60+ yrs old
< 30 yrs old
All Ages - 7-days Average
Ratio
Scoring
Ratio
Ranking
Score
Rel_Hosp
_Ratio
Rel_Rea_
Ratio
Rel_Mor
_Ratio
Rel_Inf_
Ratio
Score
Rel_Hosp
_Ratio
Rel_Rea_
Ratio
Rel_Mor
_Ratio
Rel_Inf_
Ratio
Score
Rel_Hosp
_Ratio
Rel_Rea_
Ratio
Rel_Mor
_Ratio
Rel_Inf_
Ratio
Score
Rel_Hosp
_Ratio
Rel_Rea_
Ratio
Rel_Mor
_Ratio
Rel_Inf_
Ratio
Ile-de-France 3 1,207 1,13 1,006 1,091 1,383 1,053 1,15 1,293 1,040 1,283 0,9965 1,37 1,252 1,321 2,169 1,000 1,25 1,247 1,248 1,738 0,964
Normandie 8 0,872 0,83 0,997 0,680 0,682 0,946 0,93 0,994 1,040 0,834 0,8413 0,84 0,934 0,774 0,735 0,884 0,82 0,941 0,656 0,636 0,978
Hauts-de-France 6 0,981 1,03 1,005 0,980 1,089 1,036 0,92 0,868 0,894 0,946 0,9566 0,99 0,956 1,004 1,021 0,971 1,09 1,106 1,073 1,190 1,029
Grand-Est 4 1,126 1,36 1,443 1,356 1,599 1,093 0,98 0,933 0,963 0,967 1,0708 1,13 1,216 1,063 1,297 1,001 1,32 1,439 1,375 1,576 1,026
Pays de la Loire 11 0,706 0,63 0,601 0,514 0,538 0,817 0,83 0,714 0,911 0,834 0,7417 0,58 0,393 0,659 0,432 0,769 0,66 0,629 0,554 0,540 0,840
Bretagne 12 0,553 0,40 0,452 0,279 0,323 0,514 0,79 0,598 0,894 0,834 0,5618 0,48 0,511 0,585 0,267 0,470 0,39 0,421 0,294 0,304 0,488
Occitanie 9 0,808 0,77 0,639 0,802 0,530 1,030 0,89 0,713 0,928 0,888 0,9749 0,75 0,621 0,838 0,380 0,998 0,73 0,598 0,774 0,498 0,934
Corse 13 0,548 0,44 0,286 0,583 0,457 0,442 0,74 0,440 0,882 0,834 0,3924 0,38 0,246 0,318 0,678 0,379 0,49 0,272 0,672 0,395 0,553
FR (Ratios) 38,86 4,27 75,46 28,05 1,27 0,13 0,20 26,55 10,72 2,14 9,11 33,56 126,52 12,52 266,13 28,38
Region (15-21 Jan)
30 <= & < 60 yrs old 60+ yrs old
< 30 yrs old
All Ages - 7-days Average
Ratio
Scoring
Ratio
Ranking

M. Bouanane 10 / 10
Score
Rel_Hosp
_GRate
Rel_Rea_
GRate
Rel_Mor_
GRate
Rel_Inf_G
Rate
Score
Rel_Hosp
_GRate
Rel_Rea_
GRate
Rel_Mor_
GRate
Rel_Inf_G
Rate
Score
Rel_Hosp
_GRate
Rel_Rea_
GRate
Rel_Mor_
GRate
Rel_Inf_G
Rate
Score
Rel_Hosp
_GRate
Rel_Rea_
GRate
Rel_Mor_
GRate
Rel_Inf_G
Rate
Ile-de-France 8 1,000 0,998 1,001 0,998 0,997 0,998 1,012 1,081 1,112 1,004 1,0081 0,998 0,998 1,023 0,997 1,0032 1,001 1,000 1,005 1,000 1,007
Normandie 2 1,002 1,003 1,002 1,008 1,001 1,010 1,019 1,069 1,346 1,004 1,0157 0,998 0,985 0,989 1,006 1,012 1,000 0,999 1,001 1,000 1,006
Hauts-de-France 11 0,998 0,999 0,998 1,001 1,000 0,993 0,957 1,055 0,239 0,954 1,0114 1,000 0,996 1,040 1,002 1,001 1,000 0,999 0,999 1,000 1,006
Grand-Est 4 1,001 1,001 1,004 1,008 1,000 0,979 1,005 1,080 1,141 1,004 0,9827 1,000 1,004 1,032 0,999 0,981 1,000 0,999 0,998 1,001 1,007
Pays de la Loire 9 1,000 0,999 0,997 0,991 1,003 1,004 0,980 0,623 0,651 1,004 1,0204 1,007 1,002 0,877 1,015 1,007 1,000 0,998 0,998 1,000 1,007
Bretagne 12 0,998 0,999 0,995 0,986 1,001 1,018 0,955 0,628 0,581 1,004 0,9403 1,003 1,007 1,046 0,996 1,017 1,000 0,999 0,999 1,000 1,007
Occitanie 6 1,000 0,999 0,998 0,991 1,000 1,012 1,009 0,905 1,182 1,004 1,0221 1,004 1,006 1,035 0,999 1,018 1,000 1,001 0,993 0,999 0,994
Corse 13 0,994 0,999 1,000 0,998 0,994 1,023 1,029 1,081 1,337 1,004 1,0470 0,975 0,987 0,480 0,996 0,892 0,992 0,997 0,942 0,995 0,932
FR (Growth rates) -0,16% -0,27% 0,63% -0,15% -7,46% -25,22% -0,35% -0,72% -0,12% -4,13% 0,45% -1,04% -0,19% -0,35% 0,66% -1,57%
30 <= & < 60 yrs old 60+ yrs old
Region (01-07 Jan)
Growth-R
Ranking
Growth-R
Scoring
All Ages - 7-days Average of CAGR < 30 yrs old
Score
Rel_Hosp
_GRate
Rel_Rea_
GRate
Rel_Mor_
GRate
Rel_Inf_G
Rate
Score
Rel_Hosp
_GRate
Rel_Rea_
GRate
Rel_Mor_
GRate
Rel_Inf_G
Rate
Score
Rel_Hosp
_GRate
Rel_Rea_
GRate
Rel_Mor_
GRate
Rel_Inf_G
Rate
Score
Rel_Hosp
_GRate
Rel_Rea_
GRate
Rel_Mor_
GRate
Rel_Inf_G
Rate
Ile-de-France 9 0,999 0,996 0,993 0,993 0,996 0,999 1,001 1,041 0,906 1,001 1,0020 0,998 0,994 1,019 0,997 0,9968 1,000 1,000 0,996 1,001 1,001
Normandie 4 1,000 0,999 1,002 0,993 1,000 1,000 1,001 1,060 1,145 0,999 0,9970 1,002 1,017 1,006 0,997 1,000 1,000 1,000 0,981 1,000 1,002
Hauts-de-France 8 0,999 0,998 0,992 0,993 0,999 1,001 1,001 1,032 1,138 0,999 0,9996 0,998 0,990 1,008 1,000 0,999 0,999 1,000 0,975 1,000 1,001
Grand-Est 12 0,997 0,995 0,994 0,996 0,999 0,983 0,997 0,991 0,841 0,999 0,9944 0,994 0,985 0,991 0,999 0,985 1,000 1,001 0,966 1,000 1,003
Pays de la Loire 6 1,000 1,002 0,993 1,008 1,001 1,007 0,998 0,778 1,138 0,999 1,0009 1,002 1,002 1,012 0,998 1,009 1,000 1,001 0,956 1,000 1,005
Bretagne 5 1,000 1,000 0,999 0,992 1,000 1,007 0,995 0,713 0,877 0,999 0,9984 1,007 1,000 1,009 1,008 1,009 1,001 1,002 0,995 1,000 1,004
Occitanie 1 1,003 1,003 1,005 1,007 1,000 1,010 1,006 1,033 1,132 1,004 1,0080 1,004 1,003 1,023 1,000 1,010 1,000 0,999 1,033 1,000 1,000
Corse 13 0,997 1,007 1,045 1,032 0,995 1,000 0,997 1,040 1,145 0,999 0,9591 0,991 0,992 1,005 0,995 0,964 0,995 0,997 1,032 0,994 0,971
FR (Growth rates) 0,75% 0,86% 0,67% 3,39% -3,83% -12,67% 0,08% 4,27% 0,76% -0,53% 0,46% 3,71% 0,31% -3,14% 0,65% 2,99%
30 <= & < 60 yrs old 60+ yrs old
Region (15-21 Jan)
Growth-R
Ranking
Growth-R
Scoring
All Ages - 7-days Average of CAGR < 30 yrs old

Covid-19 Data driven regional comparison in France - v210128

Recommandé

Recommandé

Contenu connexe

Similaire à Covid-19 Data driven regional comparison in France - v210128

Similaire à Covid-19 Data driven regional comparison in France - v210128 (20)

Plus de Mohamed Bouanane

Plus de Mohamed Bouanane (16)

Dernier

Dernier (7)

Covid-19 Data driven regional comparison in France - v210128