Data format (csfmt_rts_data

csfmt_rts_data_v1

This document presents the data format csfmt_rts_data_v1.

csfmt_rts_data_v1 is the data format that the CSIDS team recommends using for the real-time surveillance of infectious diseases.

Style

Language

English is the primary language for our code.

Names that are abbreviations or in Norwegian are kept as they are: data sources such as msis, daar, sysvak, normomo.

Capital letters

Capital letters are to be avoided whenever possible. This is also the case in filenames (e.g. data.rds is preferred to data.RDS)

snake_case or camelCase?

Use snake_case.

Timestamping of file names

In results (e.g. reports), an indicator of time when the files are created are necessary. It allows us to find which one is the most recent version of files with the same names, and it allows easy tracking of an Airflow error.

e.g. Epidemiologisk_situasjonsrapport_2021-05-31_0659.docx for a report generated on May 31, 2021 06:59 AM.

Ordering of variables

Sometimes variables need to be ordered. Variables should be ordered as follows:

time
location
age
sex

e.g. A database table could be called msis_by_time_location_age_sex or a filename could be called 2020_oslo_05-10_male.xlsx

Time

Time functions can be obtained from cstime. Missing time data should be coded as NA. Uncommon/internal use is demarcated by a line through the text.

Time (Granularity)	Class	Function	Example(s)
Valid times in the csverse format
date	Date	as.Date	2021-12-31
isoweek (numeric)¹	numeric	cstime::isoweek_n	1
isoweek (character)²	character	cstime::isoweek_c	"01"
isoyear (numeric)³	character	cstime::isoyear_n	2021
isoyear (character)⁴	character	cstime::isoyear_c	"2021"
isoyearweek	character	cstime::isoyearweek_c	"2021-01"
event_*_date1_to_date2⁵	character	as.character	"event_covid19_norway_vaccination_2020_12_02_to_9999_09_09", "event_covid19_norway_2020_02_21_to_9999_09_09"
¹ isoweek (numeric) is used when it is a standalone variable.
² isoweek (character) is only used internally within isoyearweek. Internal use is demarcated by a line through the text.
³ isoyear (numeric) is used when it is a standalone variable.
⁴ isoyear (character) is only used internally within isoyearweek. Internal use is demarcated by a line through the text.
⁵ If the event is ongoing, then the 'to' date should be 9999_09_09.

Approved events

The following are approved events:

granularity_time	definition
Approved events
event_covid19_norway_2020_02_21_to_9999_09_09	Covid-19 outbreak in Norway (on-going).
event_covid19_norway_vaccination_2020_12_02_to_9999_09_09	Covid-19 vaccination campaign in Norway (on-going).

Location

Locations can be obtained from csdata. Valid locations (and location types) are available in csdata::nor_locations_names(). Uncommon/internal use is demarcated by a line through the text.

Geo (Granularity)	N	Examples
Valid locations and location types in the csverse format
Geo (Granularity)	N	location_code¹	location_name²	location_name_description_nb³	location_name_file_nb_utf⁴	location_name_file_nb_ascii⁵
nation	1	nation_nor	Norge	Norge	Norge	Norge
county	15	county_nor42	Agder	Agder (fylke)	Agder_fylke	Agder_fylke
notmainlandcounty	2	notmainlandcounty_nor22	Utenfor fastlands-Norge (Jan Mayen)	Utenfor fastlands-Norge (Jan Mayen) (fylke)	Utenfor_fastlands_Norge_Jan_Mayen_fylke	Utenfor_fastlands_Norge_Jan_Mayen_fylke
missingcounty	1	missingcounty_nor99	Ukjent fylke	Ukjent fylke (fylke)	Ukjent_fylke	Ukjent_fylke
municip	357	municip_nor1820	Alstahaug	Alstahaug (kommune i Nordland)	Alstahaug_kommune_i_Nordland	Alstahaug_kommune_i_Nordland
notmainlandmunicip	2	notmainlandmunicip_nor2200	Jan Mayen	Jan Mayen (kommune i Utenfor fastlands-Norge (Jan Mayen))	Jan_Mayen_kommune_i_Utenfor_fastlands_Norge_Jan_Mayen	Jan_Mayen_kommune_i_Utenfor_fastlands_Norge_Jan_Mayen
missingmunicip	1	missingmunicip_nor9999	Ukjent kommune	Ukjent kommune (kommune i Ukjent fylke)	Ukjent_kommune_i_Ukjent_fylke	Ukjent_kommune_i_Ukjent_fylke
wardoslo	15	wardoslo_nor030112	Alna	Alna (bydel i Oslo)	Alna_bydel_i_Oslo	Alna_bydel_i_Oslo
wardbergen	8	wardbergen_nor460101	Arna	Arna (bydel i Bergen)	Arna_bydel_i_Bergen	Arna_bydel_i_Bergen
wardstavanger	9	wardstavanger_nor110303	Eiganes og Våland	Eiganes og Våland (bydel i Stavanger)	Eiganes_og_Våland_bydel_i_Stavanger	Eiganes_og_Valand_bydel_i_Stavanger
wardtrondheim	4	wardtrondheim_nor500104	Heimdal	Heimdal (bydel i Trondheim)	Heimdal_bydel_i_Trondheim	Heimdal_bydel_i_Trondheim
extrawardoslo	2	extrawardoslo_nor030117	Marka	Marka (bydel i Oslo)	Marka_bydel_i_Oslo	Marka_bydel_i_Oslo
missingwardbergen	1	missingwardbergen_nor460199	Ukjent bydel i Bergen	Ukjent bydel i Bergen (bydel i Bergen)	Ukjent_bydel_i_Bergen	Ukjent_bydel_i_Bergen
missingwardoslo	1	missingwardoslo_nor030199	Ukjent bydel i Oslo	Ukjent bydel i Oslo (bydel i Oslo)	Ukjent_bydel_i_Oslo	Ukjent_bydel_i_Oslo
missingwardstavanger	1	missingwardstavanger_nor110399	Ukjent bydel i Stavanger	Ukjent bydel i Stavanger (bydel i Stavanger)	Ukjent_bydel_i_Stavanger	Ukjent_bydel_i_Stavanger
missingwardtrondheim	1	missingwardtrondheim_nor500199	Ukjent bydel i Trondheim	Ukjent bydel i Trondheim (bydel i Trondheim)	Ukjent_bydel_i_Trondheim	Ukjent_bydel_i_Trondheim
baregion⁶	159	baregion_nor111	Alstahaug	Alstahaug (BA-region)	Alstahaug_BA_region	Alstahaug_BA_region
georegion	5	georegion_nor1	Nord-Norge	Nord-Norge (landsdel)	Nord_Norge_landsdel	Nord_Norge_landsdel
mtregion	5	mtregion_nor4	Midt-Norge	Midt-Norge (Mattilsynet-region)	Midt_Norge_Mattilsynet_region	Midt_Norge_Mattilsynet_region
lab	26	lab_nor000030	Akershus Universitetssykehus	Akershus Universitetssykehus (lab)	Akershus_Universitetssykehus_lab	Akershus_Universitetssykehus_lab
¹ location_code: Used a) inside datasets and b) in data file names for transfer of data/results between analytic systems. All values are unique.
² location_name: Used (rarely) inside results (figures, tables, documents). Can be confusing as some names are duplicated. Its rare usage is demarcated by a line through the text.
³ location_name_description_nb: Used (frequently) inside results (figures, tables, documents). All values are unique.
⁴ location_name_file_nb_utf: Used (frequently) in the file names for results (figures, tables, documents). All values are unique.
⁵ location_name_file_nb_ascii: Used (rarely) in the file names for results (figures, tables, documents). Used if file systems have problems with the Norwegian letters æøå. All values are unique.
⁶ Bo- og arbeidsmarkedsregioner. Housing and labor market regions.

Ages

Ages should be coded as characters and should always contain 3 digits. If it is an age range, the two ages are joined by an underscore (e.g. 005_010).

Use 085p instead of >=085 or 85+, as this will allow for an easy conversion from long to wide formatted data.

Value	class	Definition
Valid ages in the csverse format
"000"	character	One year age group (0 year olds)
"079"	character	One year age group(79 year olds)
"000_004"	character	Age span of 0-4 year olds
"065p"	character	Age span of >=65 year olds
"missing"	character	Missing/unknown
"total"	character	Everyone

This format will help your data be easily sorted, kept in the right order, and generate valid variable names if converted to wide-format.

Missing ages should be coded as “missing”.

Sex

Sex should be coded as characters.

Value	class	Definition
Valid sexes in the csverse format
"male"	character	Male
"female"	character	Female
"missing"	character	Missing/unknown
"total"	character	Everyone

Missing sexes should be coded as “missing”.

Unified columns

All datasets in the csverse format csfmt_rts_data_v1 will contain these 16 columns.

Time conversion functions can be found in package cstime.

Variable	Accepted values	Definition
Unified columns (16) in the csverse format csfmt_rts_data_v1
granularity_time	"date", "isoyearweek", "isoyear", "event___to_*" (Time)	Granularity of time
granularity_geo	"nation", "county", "notmainlandcounty", "missingcounty", "municip", "notmainlandmunicip", "missingmunicip", "wardoslo", "wardbergen", "wardstavanger", "wardtrondheim", "extrawardoslo", "missingwardbergen", "missingwardoslo", "missingwardstavanger", "missingwardtrondheim", "baregion", "georegion", "mtregion", "lab"	Granularity of geography
country_iso3	"nor", "den", "swe", "fin"	ISO3 country code.
location_code	"norge", "countyXX", "municipXXXX", ... (Location)	Location code
border	2020	The borders (kommunesammenslåing) that location_code represents
age	"000", "001", "000_004", "065p", "total", "missing", ... (Age)	Age in years
sex	"male", "female", "total", "missing" (Sex)	Sex
isoyear	YYYY	Use function cstime::isoyear_n
isoweek	1, 2, ..., 53	Use functions cstime::*_to_isoweek_n
isoyearweek	"YYYY-WW"	Use function cstime::isoyearweek_c
season	"YYYY/YYYY"	Seasons start in week 30 and finish in week 29.
seasonweek	1, 2, ..., 23, 23.5, 24, ..., 52	isoweek = 30 -> seasonweek = 1. isoweek = 52 -> seasonweek = 23. isoweek = 53 -> seasonweek = 23.5. isoweek = 1 -> seasonweek = 24. isoweek = 29 -> seasonweek = 52. This is used primarily for plotting/analysis reasons.
calyear	..., 2020, 2021, ...	Calendar years.
calmonth	1, 2, ..., 11, 12	Calendar months.
calyearmonth	"2021-M01"
date	YYYY-MM-DD	Always corresponds to the last date in the time period. E.g. if granularity_time=='isoweek' then date is the Sunday of that week. If granularity_time == 'event_*_date1_to_9999_09_09' then date is 9999-09-09

Smart assignment

csfmt_rts_data_v1 does smart assignment for time and geography.

When the variables in bold are assigned using :=, the listed variables will be automatically imputed.

location_code:

granularity_geo
country_iso3

isoyear:

granularity_time
isoweek
isoyearweek
season
seasonweek
calyear
calmonth
calyearmonth
date

isoyearweek:

granularity_time
isoyear
isoweek
season
seasonweek
calyear
calmonth
calyearmonth
date

date:

granularity_time
isoyear
isoweek
isoyearweek
season
seasonweek
calyear
calmonth
calyearmonth

Context-specific columns

Variable names that are not part of the unified columns are called context-specific columns, and are made up of 2 mandatory (description, format) and 5 optional (time, statistics, forecast, censored/status, formatted) sections, separated by underscores.

The format is as follows:

description[_time][_statistics]_format[_forecast][_censored/status][_formatted]

Where [blah] indicates an optional argument. It is rare that all of the optional arguments will be used at the same time.

	Examples	Definition
Context-specific columns in the csverse format csfmt_rts_data_v1
Description (mandatory)
	deaths, consultations, cases	Simple.
	deaths_registered, deaths_nowcasted, deaths_nowcasted_baseline	Slightly complex.
	hospital_deaths, vax_administered_dose_1, vax_coverage_dose_1, msis_cases_testdate, msis_cases_regdate	Complex.
	outcome, exposure, model	Generally used in conjunction with 'tag' (see 'Format').
Time (optional)
	sum0_13	The sum of values for the given date and the previous 13 days. If granularity_time=='isoyearweek' and the given isoweek has full data, then it is the sum of values for the Sunday in the given isoweek and the previous 13 days. If granularity_time=='isoyearweek' and the given isoweek does not have full data, or granularity_time=='event_*_to_9999_09_09' (ongoing event), then it is the sum of values for the last day with data and the previous 13 days.
	sum0_999999	The sum of all days with data.
	daymean0_13	The mean of all the daily observations for the given date and the previous 13 days.
	isoweekmean0_13	The mean of all the weekly observations for the given date and the previous 13 days (i.e. the last 2 weeks).
Statistics (optional)
	predinterval_q02x5	Prediction interval for the baseline (2.5th quantile). 'x' is used to denominate a decimal point, so that we can differentiate between 100 (100x0) and 10.0 (10x0).
	credintervalobs_q02x5	Credibility interval for a new observation of data according to the baseline model (2.5th quantile).
	credintervalmean_q02x5	Credibility interval for the mean of the data according to the baseline model (2.5th quantile).
	interval_q50x0	Generally speaking, the 50th percentile is the expected value.
Format (mandatory)
	id/tag	Used when data is in long format, to indicate an id variable. Frequently combined with descriptions of 'outcome', 'exposure', 'model'. id is used for numeric columns. tag is used for character columns.
	n	Numerical value
	pr1	Proportion (between 0 and 1)
	pr100	Percentage (between 0 and 100)
	pr100000, prX	Rate per X
	date	Date
	bool	TRUE/FALSE
Forecast (optional)
	forecast	TRUE/FALSE. Only used when a column contains both forecasted and non-forecasted data.
Censored/Status (optional)
	censored	TRUE/FALSE
	status	Character.

Examples

In the below examples, the description, time, statistics, format, and censor/status sections are separated by /.

An example relating to death and nowcasting:

deaths_registered/_n: Number of registered deaths.
deaths_nowcasted/_n: Number of registered deaths, corrected for registration delay (nowcasting).
deaths_nowcasted/_n_forecast: Has ‘deaths_nowcasted_n’ been forecasted (i.e. nowcasted)?
deaths_nowcasted/_n/_censored: Has ‘deaths_nowcasted_n’ been censored?
deaths_nowcasted/_n/_status: Status of ‘deaths_nowcasted_n’ in relation to ’deaths_nowcasted_baseline_credintervalobs_q*_n’.
deaths_nowcasted/_credintervalobs_q02x5/_n: The 2.5th quantile of where we expect the real number of registered deaths (Bayesian).
deaths_nowcasted_baseline/_predinterval_q02x5/_n: The 2.5th quantile of an expected new observation of nowcasted deaths (frequentist).
deaths_nowcasted_baseline/_predinterval_q97x5/_n: The 97.5th quantile of an expected new observation of nowcasted deaths (frequentist).
deaths_nowcasted_baseline/_credintervalobs_q02x5/_n: The 2.5th quantile of where we expect an observation of nowcasted deaths (Bayesian).
deaths_nowcasted_baseline/_credintervalmean_q02x5/_n: The 2.5th quantile of the mean of nowcasted deaths (Bayesian).

An example relating to number of covid-19 cases:

covid19_cases_regdate/_n: Number of covid-19 cases by registration date.
covid19_cases_testdate/_n: Number of covid-19 cases by testing date.
covid19_cases_testdate/_sum0_13/_n: The sum of 14 days of cases. When granularity_time==‘date’, date==‘2022-01-20’, and the current date is ‘2022-02-07’, the value is the sum of covid19_cases_testdate_n between ‘2022-01-07’ and ‘2022-01-20’. When granularity_time==‘isoyearweek’, isoyearweek==‘2022-03’, and the current date is ‘2022-02-07’ (Monday in isoyearweek ‘2022-06’) the value is the sum of covid19_cases_testdate_n between ‘2022-01-10’ (Monday in isoyearweek ‘2022-02’) and ‘2022-01-23’ (Sunday in isoyearweek ‘2022-03’). When granularity_time==‘isoyearweek’, isoyearweek==‘2022-06’, and the current date is ‘2022-02-07’ (Monday in isoyearweek ‘2022-06’), the value is the sum of covid19_cases_testdate_n between the last day with available data and 13 days prior. When granularity_time==‘event_covid19_norway_2020_02_21_to_9999_09_09’, the value is the sum of covid19_cases_testdate_n between the last day with available data and 13 days prior.
covid19_cases_testdate/_sum0_999999/_n: The sum of all recorded days of cases.
covid19_cases_testdate/_sum0_13/_n: Expected number of nowcasted deaths (i.e. baseline).
deaths_nowcasted_baseline/_predinterval_q02x5/_n: The 2.5th quantile of an expected new observation of nowcasted deaths (frequentist).
deaths_nowcasted_baseline/_predinterval_q97x5/_n: The 97.5th quantile of an expected new observation of nowcasted deaths (frequentist).
deaths_nowcasted_baseline/_credintervalobs_q02x5/_n: The 2.5th quantile of where we expect an observation of nowcasted deaths (Bayesian).
deaths_nowcasted_baseline/_credintervalmean_q02x5/_n: The 2.5th quantile of the mean of nowcasted deaths (Bayesian).

An example relating to number of covid-19 tests:

covid19_testevents/_n: Number of covid-19 test events (i.e. a person getting tested within a 7 day period).
covid19_testevents_pos/_pr1: Proportion (0-1) of covid-19 test events that were positive.
covid19_testevents_pos/_pr100: Percentage (0-100) of covid-19 test events that were positive.
covid19_testevents_pos/_sum0_13/_pr100: Percentage (0-100) of covid-19 test events that were positive over the last 14 days.
covid19_testevents_pos/_daymean0_13/_pr100: For each of the last 14 days, calculate the percentage (0-100) of covid-19 test events that were positive, and then take the mean of these 14 values.
covid19_testevents_pos/_isoweekmean0_13/_pr100: For each of the last 7 day periods (0-6 days, 7-13 days), calculate the percentage (0-100) of covid-19 test events that were positive, and then take the mean of these 2 values.

An example relating to vaccination:

covid19_vax_administered_dose_1/_n: Number of people who received their first dose during this day/isoweek/event. The corresponding age is permanently fixed (a person who received their first dose when 21, will always have received their first dose when 21).
covid19_vax_coverage_dose_1/_n: Number of people who (on the last day of the day/isoweek/event) have received 1 dose of vaccine. The corresponding age is fixed at the last day of the day/isoweek/event.

In action

d <- cstidy::generate_test_data()[1:5]
cstidy::set_csfmt_rts_data_v1(d)

# Looking at the dataset
d[]
#>    granularity_time granularity_geo country_iso3 location_code border  age  sex
#> 1:      isoyearweek          county          nor  county_nor42     NA <NA> <NA>
#> 2:      isoyearweek          county          nor  county_nor32     NA <NA> <NA>
#> 3:      isoyearweek          county          nor  county_nor33     NA <NA> <NA>
#> 4:      isoyearweek          county          nor  county_nor56     NA <NA> <NA>
#> 5:      isoyearweek          county          nor  county_nor34     NA <NA> <NA>
#>    isoyear isoweek isoyearweek    season seasonweek calyear calmonth
#> 1:    2022       3     2022-03 2021/2022         26      NA       NA
#> 2:    2022       3     2022-03 2021/2022         26      NA       NA
#> 3:    2022       3     2022-03 2021/2022         26      NA       NA
#> 4:    2022       3     2022-03 2021/2022         26      NA       NA
#> 5:    2022       3     2022-03 2021/2022         26      NA       NA
#>    calyearmonth       date deaths_n
#> 1:         <NA> 2022-01-23        6
#> 2:         <NA> 2022-01-23        4
#> 3:         <NA> 2022-01-23        7
#> 4:         <NA> 2022-01-23        5
#> 5:         <NA> 2022-01-23        3

# Smart assignment of time columns (note how granularity_time, isoyear, isoyearweek, date all change)
d[1, isoyearweek := "2021-01"]
d
#>    granularity_time granularity_geo country_iso3 location_code border  age  sex
#> 1:      isoyearweek          county          nor  county_nor42     NA <NA> <NA>
#> 2:      isoyearweek          county          nor  county_nor32     NA <NA> <NA>
#> 3:      isoyearweek          county          nor  county_nor33     NA <NA> <NA>
#> 4:      isoyearweek          county          nor  county_nor56     NA <NA> <NA>
#> 5:      isoyearweek          county          nor  county_nor34     NA <NA> <NA>
#>    isoyear isoweek isoyearweek    season seasonweek calyear calmonth
#> 1:    2021       1     2021-01 2020/2021         24      NA       NA
#> 2:    2022       3     2022-03 2021/2022         26      NA       NA
#> 3:    2022       3     2022-03 2021/2022         26      NA       NA
#> 4:    2022       3     2022-03 2021/2022         26      NA       NA
#> 5:    2022       3     2022-03 2021/2022         26      NA       NA
#>    calyearmonth       date deaths_n
#> 1:         <NA> 2021-01-10        6
#> 2:         <NA> 2022-01-23        4
#> 3:         <NA> 2022-01-23        7
#> 4:         <NA> 2022-01-23        5
#> 5:         <NA> 2022-01-23        3

# Smart assignment of time columns (note how granularity_time, isoyear, isoyearweek, date all change)
d[2, isoyear := 2019]
d
#>    granularity_time granularity_geo country_iso3 location_code border  age  sex
#> 1:      isoyearweek          county          nor  county_nor42     NA <NA> <NA>
#> 2:          isoyear          county          nor  county_nor32     NA <NA> <NA>
#> 3:      isoyearweek          county          nor  county_nor33     NA <NA> <NA>
#> 4:      isoyearweek          county          nor  county_nor56     NA <NA> <NA>
#> 5:      isoyearweek          county          nor  county_nor34     NA <NA> <NA>
#>    isoyear isoweek isoyearweek    season seasonweek calyear calmonth
#> 1:    2021       1     2021-01 2020/2021         24      NA       NA
#> 2:    2019      52     2019-52      <NA>         NA      NA       NA
#> 3:    2022       3     2022-03 2021/2022         26      NA       NA
#> 4:    2022       3     2022-03 2021/2022         26      NA       NA
#> 5:    2022       3     2022-03 2021/2022         26      NA       NA
#>    calyearmonth       date deaths_n
#> 1:         <NA> 2021-01-10        6
#> 2:         <NA> 2019-12-29        4
#> 3:         <NA> 2022-01-23        7
#> 4:         <NA> 2022-01-23        5
#> 5:         <NA> 2022-01-23        3

# Smart assignment of time columns (note how granularity_time, isoyear, isoyearweek, date all change)
d[4:5, date := as.Date("2020-01-01")]
d
#>    granularity_time granularity_geo country_iso3 location_code border  age  sex
#> 1:      isoyearweek          county          nor  county_nor42     NA <NA> <NA>
#> 2:          isoyear          county          nor  county_nor32     NA <NA> <NA>
#> 3:      isoyearweek          county          nor  county_nor33     NA <NA> <NA>
#> 4:             date          county          nor  county_nor56     NA <NA> <NA>
#> 5:             date          county          nor  county_nor34     NA <NA> <NA>
#>    isoyear isoweek isoyearweek    season seasonweek calyear calmonth
#> 1:    2021       1     2021-01 2020/2021         24      NA       NA
#> 2:    2019      52     2019-52      <NA>         NA      NA       NA
#> 3:    2022       3     2022-03 2021/2022         26      NA       NA
#> 4:    2020       1     2020-01 2019/2020         24    2020        1
#> 5:    2020       1     2020-01 2019/2020         24    2020        1
#>    calyearmonth       date deaths_n
#> 1:         <NA> 2021-01-10        6
#> 2:         <NA> 2019-12-29        4
#> 3:         <NA> 2022-01-23        7
#> 4:     2020-M01 2020-01-01        5
#> 5:     2020-M01 2020-01-01        3

# Smart assignment fails when multiple time columns are set
d[1, c("isoyear", "isoyearweek") := .(2021, "2021-01")]
#> Warning in `[.csfmt_rts_data_v1`(d, 1, `:=`(c("isoyear", "isoyearweek"), :
#> Multiple time variables specified. Smart-assignment disabled.
d
#>    granularity_time granularity_geo country_iso3 location_code border  age  sex
#> 1:      isoyearweek          county          nor  county_nor42     NA <NA> <NA>
#> 2:          isoyear          county          nor  county_nor32     NA <NA> <NA>
#> 3:      isoyearweek          county          nor  county_nor33     NA <NA> <NA>
#> 4:             date          county          nor  county_nor56     NA <NA> <NA>
#> 5:             date          county          nor  county_nor34     NA <NA> <NA>
#>    isoyear isoweek isoyearweek    season seasonweek calyear calmonth
#> 1:    2021       1     2021-01 2020/2021         24      NA       NA
#> 2:    2019      52     2019-52      <NA>         NA      NA       NA
#> 3:    2022       3     2022-03 2021/2022         26      NA       NA
#> 4:    2020       1     2020-01 2019/2020         24    2020        1
#> 5:    2020       1     2020-01 2019/2020         24    2020        1
#>    calyearmonth       date deaths_n
#> 1:         <NA> 2021-01-10        6
#> 2:         <NA> 2019-12-29        4
#> 3:         <NA> 2022-01-23        7
#> 4:     2020-M01 2020-01-01        5
#> 5:     2020-M01 2020-01-01        3

# Smart assignment of geo columns
d[1, c("location_code") := .("norge")]
d
#>    granularity_time granularity_geo country_iso3 location_code border  age  sex
#> 1:      isoyearweek          nation          nor         norge     NA <NA> <NA>
#> 2:          isoyear          county          nor  county_nor32     NA <NA> <NA>
#> 3:      isoyearweek          county          nor  county_nor33     NA <NA> <NA>
#> 4:             date          county          nor  county_nor56     NA <NA> <NA>
#> 5:             date          county          nor  county_nor34     NA <NA> <NA>
#>    isoyear isoweek isoyearweek    season seasonweek calyear calmonth
#> 1:    2021       1     2021-01 2020/2021         24      NA       NA
#> 2:    2019      52     2019-52      <NA>         NA      NA       NA
#> 3:    2022       3     2022-03 2021/2022         26      NA       NA
#> 4:    2020       1     2020-01 2019/2020         24    2020        1
#> 5:    2020       1     2020-01 2019/2020         24    2020        1
#>    calyearmonth       date deaths_n
#> 1:         <NA> 2021-01-10        6
#> 2:         <NA> 2019-12-29        4
#> 3:         <NA> 2022-01-23        7
#> 4:     2020-M01 2020-01-01        5
#> 5:     2020-M01 2020-01-01        3

# Collapsing down to different levels, and healing the dataset
# (so that it can be worked on further with regards to real time surveillance)
d[, .(deaths_n = sum(deaths_n), location_code = "norge"), keyby = .(granularity_time)] %>%
  cstidy::set_csfmt_rts_data_v1(create_unified_columns = TRUE) %>%
  print()
#>    granularity_time granularity_geo country_iso3 location_code border  age  sex
#> 1:             date          nation          nor         norge     NA <NA> <NA>
#> 2:          isoyear          nation          nor         norge     NA <NA> <NA>
#> 3:      isoyearweek          nation          nor         norge     NA <NA> <NA>
#>    isoyear isoweek isoyearweek season seasonweek calyear calmonth calyearmonth
#> 1:      NA      NA        <NA>   <NA>         NA      NA       NA         <NA>
#> 2:      NA      NA        <NA>   <NA>         NA      NA       NA         <NA>
#> 3:      NA      NA        <NA>   <NA>         NA      NA       NA         <NA>
#>    date deaths_n
#> 1: <NA>        8
#> 2: <NA>        4
#> 3: <NA>       13

# Collapsing down to different levels, without healing the dataset and without
# removing the class csfmt_rts_data_v1 (this is uncommon)
d[, .(deaths_n = sum(deaths_n), location_code = "norge"), keyby = .(granularity_time)] %>%
  print()
#>    granularity_time deaths_n location_code
#> 1:             date        8         norge
#> 2:          isoyear        4         norge
#> 3:      isoyearweek       13         norge

# Collapsing to different levels, and removing the class csfmt_rts_data_v1 because
# it is going to be used in new output/analyses
d[, .(deaths_n = sum(deaths_n), location_code = "norge"), keyby = .(granularity_time)] %>%
  cstidy::remove_class_csfmt_rts_data() %>%
  print()
#>    granularity_time deaths_n location_code
#> 1:             date        8         norge
#> 2:          isoyear        4         norge
#> 3:      isoyearweek       13         norge

Expand time to

Sometimes you need to expand the number of rows in a dataset to a future time.

cstidy::generate_test_data() %>%
  cstidy::set_csfmt_rts_data_v1() %>%
  dplyr::filter(location_code == "county03") %>%
  cstidy::expand_time_to(max_isoyearweek = "2022-08") %>%
  print()
#> Null data.table (0 rows and 0 cols)

Time series

We might also need to identify how many time series are in one dataset.

cstidy::generate_test_data() %>%
  cstidy::set_csfmt_rts_data_v1() %>%
  cstidy::unique_time_series()

Summary

We need a way to easily summarize the data structure of a dataset.

cstidy::generate_test_data() %>%
  cstidy::set_csfmt_rts_data_v1() %>%
  summary()
#> 
#> granularity_time
#> ✅ No errors
#> 
#> granularity_geo
#> ✅ No errors
#> 
#> country_iso3
#> ✅ No errors
#> 
#> location_code
#> ✅ No errors
#> 
#> border
#> ❌ Errors:
#> - NA exists (not allowed)
#> 
#> age
#> ✅ No errors
#> 
#> sex
#> ✅ No errors
#> 
#> isoyear
#> ✅ No errors
#> 
#> isoweek
#> ✅ No errors
#> 
#> isoyearweek
#> ✅ No errors
#> 
#> season
#> ✅ No errors
#> 
#> seasonweek
#> ✅ No errors
#> 
#> calyear
#> ✅ No errors
#> 
#> calmonth
#> ✅ No errors
#> 
#> calyearmonth
#> ✅ No errors
#> 
#> date
#> ✅ No errors
#> granularity_time (character):
#>  - isoyearweek (n = 45)
#> granularity_geo (character):
#>  - county (n = 45)
#> country_iso3 (character):
#>  - nor (n = 45)
#> location_code (character)
#> border (integer):
#>  - <NA> (n = 45)
#> age (character):
#>  - 000_005 (n = 15)
#>  - <NA>    (n = 15)
#>  - total   (n = 15)
#> sex (character):
#>  - <NA>  (n = 15)
#>  - total (n = 30)
#> isoyear (integer):
#>  - 2022 (n = 45)
#> isoweek (integer)
#> isoyearweek (character)
#> season (character):
#>  - 2021/2022 (n = 45)
#> seasonweek (numeric)
#> calyear (integer)
#> calmonth (integer)
#> calyearmonth (character)
#> date (Date)
#> deaths_n (integer)

Identifying data structure of one column

We need a way to easily summarize the data structure of one column inside a dataset.

cstidy::generate_test_data() %>%
  cstidy::set_csfmt_rts_data_v1() %>%
  cstidy::identify_data_structure("deaths_n") %>%
  plot()

Reference (Location)

Locations can be obtained from csdata. Valid locations (and location types) are available in csdata::nor_locations_names().

Here we list as a reference table the valid location_codes and location_name_description_nbs (the two most commonly used locations).

#	location_code	location_name_description_nb
Reference table of location_code and location_name_description_nb
#1	nation_nor	Norge
#2	county_nor42	Agder (fylke)
#3	county_nor32	Akershus (fylke)
#4	county_nor33	Buskerud (fylke)
#5	county_nor56	Finnmark-Finnmarku (fylke)
#6	county_nor34	Innlandet (fylke)
#7	county_nor15	Møre og Romsdal (fylke)
#8	county_nor18	Nordland (fylke)
#9	county_nor03	Oslo (fylke)
#10	county_nor11	Rogaland (fylke)
#11	county_nor40	Telemark (fylke)
#12	county_nor55	Troms (fylke)
#13	county_nor50	Trøndelag (fylke)
#14	county_nor39	Vestfold (fylke)
#15	county_nor46	Vestland (fylke)
#16	county_nor31	Østfold (fylke)
#17	notmainlandcounty_nor22	Utenfor fastlands-Norge (Jan Mayen) (fylke)
#18	notmainlandcounty_nor21	Utenfor fastlands-Norge (Svalbard) (fylke)
#19	missingcounty_nor99	Ukjent fylke (fylke)
#20	municip_nor1820	Alstahaug (kommune i Nordland)
#21	municip_nor5601	Alta (kommune i Finnmark-Finnmarku)
#22	municip_nor3428	Alvdal (kommune i Innlandet)
#23	municip_nor4631	Alver (kommune i Vestland)
#24	municip_nor1871	Andøy (kommune i Nordland)
#25	municip_nor3124	Aremark (kommune i Østfold)
#26	municip_nor4203	Arendal (kommune i Agder)
#27	municip_nor3203	Asker (kommune i Akershus)
#28	municip_nor4645	Askvoll (kommune i Vestland)
#29	municip_nor4627	Askøy (kommune i Vestland)
#30	municip_nor1547	Aukra (kommune i Møre og Romsdal)
#31	municip_nor1576	Aure (kommune i Møre og Romsdal)
#32	municip_nor4641	Aurland (kommune i Vestland)
#33	municip_nor3226	Aurskog-Høland (kommune i Akershus)
#34	municip_nor4625	Austevoll (kommune i Vestland)
#35	municip_nor4632	Austrheim (kommune i Vestland)
#36	municip_nor1554	Averøy (kommune i Møre og Romsdal)
#37	municip_nor5532	Balsfjord (kommune i Troms)
#38	municip_nor4012	Bamble (kommune i Telemark)
#39	municip_nor5520	Bardu (kommune i Troms)
#40	municip_nor1839	Beiarn (kommune i Nordland)
#41	municip_nor4601	Bergen (kommune i Vestland)
#42	municip_nor5630	Berlevåg (kommune i Finnmark-Finnmarku)
#43	municip_nor1811	Bindal (kommune i Nordland)
#44	municip_nor4216	Birkenes (kommune i Agder)
#45	municip_nor1114	Bjerkreim (kommune i Rogaland)
#46	municip_nor4624	Bjørnafjorden (kommune i Vestland)
#47	municip_nor1804	Bodø (kommune i Nordland)
#48	municip_nor1145	Bokn (kommune i Rogaland)
#49	municip_nor4648	Bremanger (kommune i Vestland)
#50	municip_nor1813	Brønnøy (kommune i Nordland)
#51	municip_nor4220	Bygland (kommune i Agder)
#52	municip_nor4222	Bykle (kommune i Agder)
#53	municip_nor5632	Båtsfjord (kommune i Finnmark-Finnmarku)
#54	municip_nor3201	Bærum (kommune i Akershus)
#55	municip_nor1867	Bø (kommune i Nordland)
#56	municip_nor4613	Bømlo (kommune i Vestland)
#57	municip_nor5628	Deatnu - Tana (kommune i Finnmark-Finnmarku)
#58	municip_nor3431	Dovre (kommune i Innlandet)
#59	municip_nor3301	Drammen (kommune i Buskerud)
#60	municip_nor4016	Drangedal (kommune i Telemark)
#61	municip_nor5528	Dyrøy (kommune i Troms)
#62	municip_nor1827	Dønna (kommune i Nordland)
#63	municip_nor4619	Eidfjord (kommune i Vestland)
#64	municip_nor3416	Eidskog (kommune i Innlandet)
#65	municip_nor3240	Eidsvoll (kommune i Akershus)
#66	municip_nor1101	Eigersund (kommune i Rogaland)
#67	municip_nor3420	Elverum (kommune i Innlandet)
#68	municip_nor3220	Enebakk (kommune i Akershus)
#69	municip_nor3425	Engerdal (kommune i Innlandet)
#70	municip_nor4611	Etne (kommune i Vestland)
#71	municip_nor3450	Etnedal (kommune i Innlandet)
#72	municip_nor1853	Evenes (kommune i Nordland)
#73	municip_nor4219	Evje og Hornnes (kommune i Agder)
#74	municip_nor4206	Farsund (kommune i Agder)
#75	municip_nor1841	Fauske - Fuosko (kommune i Nordland)
#76	municip_nor4633	Fedje (kommune i Vestland)
#77	municip_nor4615	Fitjar (kommune i Vestland)
#78	municip_nor4646	Fjaler (kommune i Vestland)
#79	municip_nor1578	Fjord (kommune i Møre og Romsdal)
#80	municip_nor1859	Flakstad (kommune i Nordland)
#81	municip_nor5049	Flatanger (kommune i Trøndelag)
#82	municip_nor4207	Flekkefjord (kommune i Agder)
#83	municip_nor3334	Flesberg (kommune i Buskerud)
#84	municip_nor3320	Flå (kommune i Buskerud)
#85	municip_nor3429	Folldal (kommune i Innlandet)
#86	municip_nor3107	Fredrikstad (kommune i Østfold)
#87	municip_nor3214	Frogn (kommune i Akershus)
#88	municip_nor4214	Froland (kommune i Agder)
#89	municip_nor5036	Frosta (kommune i Trøndelag)
#90	municip_nor5014	Frøya (kommune i Trøndelag)
#91	municip_nor4032	Fyresdal (kommune i Telemark)
#92	municip_nor3911	Færder (kommune i Vestfold)
#93	municip_nor5626	Gamvik (kommune i Finnmark-Finnmarku)
#94	municip_nor3441	Gausdal (kommune i Innlandet)
#95	municip_nor1838	Gildeskål (kommune i Nordland)
#96	municip_nor1532	Giske (kommune i Møre og Romsdal)
#97	municip_nor1557	Gjemnes (kommune i Møre og Romsdal)
#98	municip_nor3230	Gjerdrum (kommune i Akershus)
#99	municip_nor4211	Gjerstad (kommune i Agder)
#100	municip_nor1122	Gjesdal (kommune i Rogaland)
#101	municip_nor3407	Gjøvik (kommune i Innlandet)
#102	municip_nor4650	Gloppen (kommune i Vestland)
#103	municip_nor3324	Gol (kommune i Buskerud)
#104	municip_nor3446	Gran (kommune i Innlandet)
#105	municip_nor1825	Grane (kommune i Nordland)
#106	municip_nor5516	Gratangen (kommune i Troms)
#107	municip_nor4202	Grimstad (kommune i Agder)
#108	municip_nor5045	Grong (kommune i Trøndelag)
#109	municip_nor3417	Grue (kommune i Innlandet)
#110	municip_nor4635	Gulen (kommune i Vestland)
#111	municip_nor5612	Guovdageaidnu - Kautokeino (kommune i Finnmark-Finnmarku)
#112	municip_nor5540	Gáivuotna - Kåfjord - Kaivuono (kommune i Troms)
#113	municip_nor1866	Hadsel (kommune i Nordland)
#114	municip_nor3101	Halden (kommune i Østfold)
#115	municip_nor3403	Hamar (kommune i Innlandet)
#116	municip_nor1875	Hamarøy (kommune i Nordland)
#117	municip_nor5603	Hammerfest (kommune i Finnmark-Finnmarku)
#118	municip_nor1580	Haram (kommune i Møre og Romsdal)
#119	municip_nor1517	Hareid (kommune i Møre og Romsdal)
#120	municip_nor5503	Harstad (kommune i Troms)
#121	municip_nor5616	Hasvik (kommune i Finnmark-Finnmarku)
#122	municip_nor1826	Hattfjelldal (kommune i Nordland)
#123	municip_nor1106	Haugesund (kommune i Rogaland)
#124	municip_nor5055	Heim (kommune i Trøndelag)
#125	municip_nor1832	Hemnes (kommune i Nordland)
#126	municip_nor3326	Hemsedal (kommune i Buskerud)
#127	municip_nor1515	Herøy (kommune i Møre og Romsdal)
#128	municip_nor1818	Herøy (kommune i Nordland)
#129	municip_nor5056	Hitra (kommune i Trøndelag)
#130	municip_nor4024	Hjartdal (kommune i Telemark)
#131	municip_nor1133	Hjelmeland (kommune i Rogaland)
#132	municip_nor3330	Hol (kommune i Buskerud)
#133	municip_nor3310	Hole (kommune i Buskerud)
#134	municip_nor3903	Holmestrand (kommune i Vestfold)
#135	municip_nor5026	Holtålen (kommune i Trøndelag)
#136	municip_nor3901	Horten (kommune i Vestfold)
#137	municip_nor3242	Hurdal (kommune i Akershus)
#138	municip_nor1579	Hustadvika (kommune i Møre og Romsdal)
#139	municip_nor3110	Hvaler (kommune i Østfold)
#140	municip_nor4637	Hyllestad (kommune i Vestland)
#141	municip_nor1119	Hå (kommune i Rogaland)
#142	municip_nor4226	Hægebostad (kommune i Agder)
#143	municip_nor4638	Høyanger (kommune i Vestland)
#144	municip_nor5046	Høylandet (kommune i Trøndelag)
#145	municip_nor5514	Ibestad (kommune i Troms)
#146	municip_nor5053	Inderøy (kommune i Trøndelag)
#147	municip_nor5054	Indre Fosen (kommune i Trøndelag)
#148	municip_nor3118	Indre Østfold (kommune i Østfold)
#149	municip_nor4218	Iveland (kommune i Agder)
#150	municip_nor3236	Jevnaker (kommune i Akershus)
#151	municip_nor5534	Karlsøy (kommune i Troms)
#152	municip_nor1149	Karmøy (kommune i Rogaland)
#153	municip_nor4602	Kinn (kommune i Vestland)
#154	municip_nor1120	Klepp (kommune i Rogaland)
#155	municip_nor3303	Kongsberg (kommune i Buskerud)
#156	municip_nor3401	Kongsvinger (kommune i Innlandet)
#157	municip_nor4014	Kragerø (kommune i Telemark)
#158	municip_nor4204	Kristiansand (kommune i Agder)
#159	municip_nor1505	Kristiansund (kommune i Møre og Romsdal)
#160	municip_nor3318	Krødsherad (kommune i Buskerud)
#161	municip_nor4622	Kvam (kommune i Vestland)
#162	municip_nor4227	Kvinesdal (kommune i Agder)
#163	municip_nor4617	Kvinnherad (kommune i Vestland)
#164	municip_nor4028	Kviteseid (kommune i Telemark)
#165	municip_nor1144	Kvitsøy (kommune i Rogaland)
#166	municip_nor5510	Kvæfjord (kommune i Troms)
#167	municip_nor5546	Kvænangen (kommune i Troms)
#168	municip_nor5610	Kárášjohka - Karasjok (kommune i Finnmark-Finnmarku)
#169	municip_nor3909	Larvik (kommune i Vestfold)
#170	municip_nor5624	Lebesby (kommune i Finnmark-Finnmarku)
#171	municip_nor1822	Leirfjord (kommune i Nordland)
#172	municip_nor5052	Leka (kommune i Trøndelag)
#173	municip_nor3432	Lesja (kommune i Innlandet)
#174	municip_nor5037	Levanger (kommune i Trøndelag)
#175	municip_nor3312	Lier (kommune i Buskerud)
#176	municip_nor5042	Lierne (kommune i Trøndelag)
#177	municip_nor3405	Lillehammer (kommune i Innlandet)
#178	municip_nor4215	Lillesand (kommune i Agder)
#179	municip_nor3205	Lillestrøm (kommune i Akershus)
#180	municip_nor4205	Lindesnes (kommune i Agder)
#181	municip_nor5518	Loabák - Lavangen (kommune i Troms)
#182	municip_nor3434	Lom (kommune i Innlandet)
#183	municip_nor5614	Loppa (kommune i Finnmark-Finnmarku)
#184	municip_nor1112	Lund (kommune i Rogaland)
#185	municip_nor3234	Lunner (kommune i Akershus)
#186	municip_nor1834	Lurøy (kommune i Nordland)
#187	municip_nor4644	Luster (kommune i Vestland)
#188	municip_nor4225	Lyngdal (kommune i Agder)
#189	municip_nor5536	Lyngen (kommune i Troms)
#190	municip_nor4642	Lærdal (kommune i Vestland)
#191	municip_nor1851	Lødingen (kommune i Nordland)
#192	municip_nor3222	Lørenskog (kommune i Akershus)
#193	municip_nor3412	Løten (kommune i Innlandet)
#194	municip_nor5031	Malvik (kommune i Trøndelag)
#195	municip_nor3122	Marker (kommune i Østfold)
#196	municip_nor4634	Masfjorden (kommune i Vestland)
#197	municip_nor5028	Melhus (kommune i Trøndelag)
#198	municip_nor1837	Meløy (kommune i Nordland)
#199	municip_nor5034	Meråker (kommune i Trøndelag)
#200	municip_nor4020	Midt-Telemark (kommune i Telemark)
#201	municip_nor5027	Midtre Gauldal (kommune i Trøndelag)
#202	municip_nor4629	Modalen (kommune i Vestland)
#203	municip_nor3316	Modum (kommune i Buskerud)
#204	municip_nor1506	Molde (kommune i Møre og Romsdal)
#205	municip_nor1874	Moskenes (kommune i Nordland)
#206	municip_nor3103	Moss (kommune i Østfold)
#207	municip_nor5524	Målselv (kommune i Troms)
#208	municip_nor5618	Måsøy (kommune i Finnmark-Finnmarku)
#209	municip_nor5007	Namsos (kommune i Trøndelag)
#210	municip_nor5044	Namsskogan (kommune i Trøndelag)
#211	municip_nor3238	Nannestad (kommune i Akershus)
#212	municip_nor1806	Narvik (kommune i Nordland)
#213	municip_nor3228	Nes (kommune i Akershus)
#214	municip_nor3322	Nesbyen (kommune i Buskerud)
#215	municip_nor1828	Nesna (kommune i Nordland)
#216	municip_nor3212	Nesodden (kommune i Akershus)
#217	municip_nor4030	Nissedal (kommune i Telemark)
#218	municip_nor3232	Nittedal (kommune i Akershus)
#219	municip_nor4018	Nome (kommune i Telemark)
#220	municip_nor3451	Nord-Aurdal (kommune i Innlandet)
#221	municip_nor3436	Nord-Fron (kommune i Innlandet)
#222	municip_nor3414	Nord-Odal (kommune i Innlandet)
#223	municip_nor5620	Nordkapp (kommune i Finnmark-Finnmarku)
#224	municip_nor3207	Nordre Follo (kommune i Akershus)
#225	municip_nor3448	Nordre Land (kommune i Innlandet)
#226	municip_nor5544	Nordreisa (kommune i Troms)
#227	municip_nor3338	Nore og Uvdal (kommune i Buskerud)
#228	municip_nor4005	Notodden (kommune i Telemark)
#229	municip_nor5060	Nærøysund (kommune i Trøndelag)
#230	municip_nor5021	Oppdal (kommune i Trøndelag)
#231	municip_nor5059	Orkland (kommune i Trøndelag)
#232	municip_nor3430	Os (kommune i Innlandet)
#233	municip_nor5020	Osen (kommune i Trøndelag)
#234	municip_nor0301	Oslo (kommune i Oslo)
#235	municip_nor4630	Osterøy (kommune i Vestland)
#236	municip_nor5047	Overhalla (kommune i Trøndelag)
#237	municip_nor5622	Porsanger - Porsáŋgu - Porsanki (kommune i Finnmark-Finnmarku)
#238	municip_nor4001	Porsgrunn (kommune i Telemark)
#239	municip_nor5043	Raarvihke - Røyrvik (kommune i Trøndelag)
#240	municip_nor3120	Rakkestad (kommune i Østfold)
#241	municip_nor1833	Rana (kommune i Nordland)
#242	municip_nor1127	Randaberg (kommune i Rogaland)
#243	municip_nor1539	Rauma (kommune i Møre og Romsdal)
#244	municip_nor3424	Rendalen (kommune i Innlandet)
#245	municip_nor5022	Rennebu (kommune i Trøndelag)
#246	municip_nor5061	Rindal (kommune i Trøndelag)
#247	municip_nor3439	Ringebu (kommune i Innlandet)
#248	municip_nor3305	Ringerike (kommune i Buskerud)
#249	municip_nor3411	Ringsaker (kommune i Innlandet)
#250	municip_nor4201	Risør (kommune i Agder)
#251	municip_nor3336	Rollag (kommune i Buskerud)
#252	municip_nor3112	Råde (kommune i Østfold)
#253	municip_nor3224	Rælingen (kommune i Akershus)
#254	municip_nor1836	Rødøy (kommune i Nordland)
#255	municip_nor5025	Røros (kommune i Trøndelag)
#256	municip_nor1856	Røst (kommune i Nordland)
#257	municip_nor5522	Salangen (kommune i Troms)
#258	municip_nor1840	Saltdal (kommune i Nordland)
#259	municip_nor4623	Samnanger (kommune i Vestland)
#260	municip_nor1514	Sande (kommune i Møre og Romsdal)
#261	municip_nor3907	Sandefjord (kommune i Vestfold)
#262	municip_nor1108	Sandnes (kommune i Rogaland)
#263	municip_nor3105	Sarpsborg (kommune i Østfold)
#264	municip_nor1135	Sauda (kommune i Rogaland)
#265	municip_nor3437	Sel (kommune i Innlandet)
#266	municip_nor5032	Selbu (kommune i Trøndelag)
#267	municip_nor4022	Seljord (kommune i Telemark)
#268	municip_nor5530	Senja (kommune i Troms)
#269	municip_nor3332	Sigdal (kommune i Buskerud)
#270	municip_nor4010	Siljan (kommune i Telemark)
#271	municip_nor4228	Sirdal (kommune i Agder)
#272	municip_nor5029	Skaun (kommune i Trøndelag)
#273	municip_nor4003	Skien (kommune i Telemark)
#274	municip_nor3116	Skiptvet (kommune i Østfold)
#275	municip_nor5542	Skjervøy (kommune i Troms)
#276	municip_nor3433	Skjåk (kommune i Innlandet)
#277	municip_nor1573	Smøla (kommune i Møre og Romsdal)
#278	municip_nor5041	Snåase - Snåsa (kommune i Trøndelag)
#279	municip_nor4640	Sogndal (kommune i Vestland)
#280	municip_nor1111	Sokndal (kommune i Rogaland)
#281	municip_nor1124	Sola (kommune i Rogaland)
#282	municip_nor4636	Solund (kommune i Vestland)
#283	municip_nor1870	Sortland - Suortá (kommune i Nordland)
#284	municip_nor4649	Stad (kommune i Vestland)
#285	municip_nor3413	Stange (kommune i Innlandet)
#286	municip_nor1103	Stavanger (kommune i Rogaland)
#287	municip_nor1848	Steigen (kommune i Nordland)
#288	municip_nor5006	Steinkjer (kommune i Trøndelag)
#289	municip_nor5035	Stjørdal (kommune i Trøndelag)
#290	municip_nor3423	Stor-Elvdal (kommune i Innlandet)
#291	municip_nor4614	Stord (kommune i Vestland)
#292	municip_nor5538	Storfjord - Omasvuotna - Omasvuono (kommune i Troms)
#293	municip_nor1130	Strand (kommune i Rogaland)
#294	municip_nor1525	Stranda (kommune i Møre og Romsdal)
#295	municip_nor4651	Stryn (kommune i Vestland)
#296	municip_nor1531	Sula (kommune i Møre og Romsdal)
#297	municip_nor1134	Suldal (kommune i Rogaland)
#298	municip_nor1563	Sunndal (kommune i Møre og Romsdal)
#299	municip_nor4647	Sunnfjord (kommune i Vestland)
#300	municip_nor1566	Surnadal (kommune i Møre og Romsdal)
#301	municip_nor4612	Sveio (kommune i Vestland)
#302	municip_nor1528	Sykkylven (kommune i Møre og Romsdal)
#303	municip_nor1812	Sømna (kommune i Nordland)
#304	municip_nor3447	Søndre Land (kommune i Innlandet)
#305	municip_nor3449	Sør-Aurdal (kommune i Innlandet)
#306	municip_nor3438	Sør-Fron (kommune i Innlandet)
#307	municip_nor3415	Sør-Odal (kommune i Innlandet)
#308	municip_nor5605	Sør-Varanger (kommune i Finnmark-Finnmarku)
#309	municip_nor1845	Sørfold (kommune i Nordland)
#310	municip_nor5526	Sørreisa (kommune i Troms)
#311	municip_nor1121	Time (kommune i Rogaland)
#312	municip_nor1560	Tingvoll (kommune i Møre og Romsdal)
#313	municip_nor4026	Tinn (kommune i Telemark)
#314	municip_nor5512	Tjeldsund (kommune i Troms)
#315	municip_nor4034	Tokke (kommune i Telemark)
#316	municip_nor3426	Tolga (kommune i Innlandet)
#317	municip_nor5501	Tromsø (kommune i Troms)
#318	municip_nor5001	Trondheim (kommune i Trøndelag)
#319	municip_nor3421	Trysil (kommune i Innlandet)
#320	municip_nor1835	Træna (kommune i Nordland)
#321	municip_nor4213	Tvedestrand (kommune i Agder)
#322	municip_nor5033	Tydal (kommune i Trøndelag)
#323	municip_nor3427	Tynset (kommune i Innlandet)
#324	municip_nor4616	Tysnes (kommune i Vestland)
#325	municip_nor1146	Tysvær (kommune i Rogaland)
#326	municip_nor3905	Tønsberg (kommune i Vestfold)
#327	municip_nor3209	Ullensaker (kommune i Akershus)
#328	municip_nor4618	Ullensvang (kommune i Vestland)
#329	municip_nor1516	Ulstein (kommune i Møre og Romsdal)
#330	municip_nor4620	Ulvik (kommune i Vestland)
#331	municip_nor5636	Unjárga - Nesseby (kommune i Finnmark-Finnmarku)
#332	municip_nor1151	Utsira (kommune i Rogaland)
#333	municip_nor5607	Vadsø (kommune i Finnmark-Finnmarku)
#334	municip_nor4628	Vaksdal (kommune i Vestland)
#335	municip_nor4221	Valle (kommune i Agder)
#336	municip_nor3454	Vang (kommune i Innlandet)
#337	municip_nor1511	Vanylven (kommune i Møre og Romsdal)
#338	municip_nor5634	Vardø (kommune i Finnmark-Finnmarku)
#339	municip_nor1824	Vefsn (kommune i Nordland)
#340	municip_nor1815	Vega (kommune i Nordland)
#341	municip_nor4212	Vegårshei (kommune i Agder)
#342	municip_nor4223	Vennesla (kommune i Agder)
#343	municip_nor5038	Verdal (kommune i Trøndelag)
#344	municip_nor3216	Vestby (kommune i Akershus)
#345	municip_nor1535	Vestnes (kommune i Møre og Romsdal)
#346	municip_nor3452	Vestre Slidre (kommune i Innlandet)
#347	municip_nor3443	Vestre Toten (kommune i Innlandet)
#348	municip_nor1860	Vestvågøy (kommune i Nordland)
#349	municip_nor1816	Vevelstad (kommune i Nordland)
#350	municip_nor4639	Vik (kommune i Vestland)
#351	municip_nor1160	Vindafjord (kommune i Rogaland)
#352	municip_nor4036	Vinje (kommune i Telemark)
#353	municip_nor1577	Volda (kommune i Møre og Romsdal)
#354	municip_nor4621	Voss herad (kommune i Vestland)
#355	municip_nor1865	Vågan (kommune i Nordland)
#356	municip_nor3435	Vågå (kommune i Innlandet)
#357	municip_nor3114	Våler (kommune i Østfold)
#358	municip_nor3419	Våler (kommune i Innlandet)
#359	municip_nor1857	Værøy (kommune i Nordland)
#360	municip_nor5058	Åfjord (kommune i Trøndelag)
#361	municip_nor3328	Ål (kommune i Buskerud)
#362	municip_nor1508	Ålesund (kommune i Møre og Romsdal)
#363	municip_nor4217	Åmli (kommune i Agder)
#364	municip_nor3422	Åmot (kommune i Innlandet)
#365	municip_nor4643	Årdal (kommune i Vestland)
#366	municip_nor3218	Ås (kommune i Akershus)
#367	municip_nor4224	Åseral (kommune i Agder)
#368	municip_nor3418	Åsnes (kommune i Innlandet)
#369	municip_nor1868	Øksnes (kommune i Nordland)
#370	municip_nor5057	Ørland (kommune i Trøndelag)
#371	municip_nor1520	Ørsta (kommune i Møre og Romsdal)
#372	municip_nor3442	Østre Toten (kommune i Innlandet)
#373	municip_nor3314	Øvre Eiker (kommune i Buskerud)
#374	municip_nor3440	Øyer (kommune i Innlandet)
#375	municip_nor4626	Øygarden (kommune i Vestland)
#376	municip_nor3453	Øystre Slidre (kommune i Innlandet)
#377	notmainlandmunicip_nor2200	Jan Mayen (kommune i Utenfor fastlands-Norge (Jan Mayen))
#378	notmainlandmunicip_nor2100	Svalbard (kommune i Utenfor fastlands-Norge (Svalbard))
#379	missingmunicip_nor9999	Ukjent kommune (kommune i Ukjent fylke)
#380	wardoslo_nor030112	Alna (bydel i Oslo)
#381	wardbergen_nor460101	Arna (bydel i Bergen)
#382	wardoslo_nor030109	Bjerke (bydel i Oslo)
#383	wardstavanger_nor110303	Eiganes og Våland (bydel i Stavanger)
#384	wardbergen_nor460103	Fana (bydel i Bergen)
#385	wardstavanger_nor110308	Finnøy (bydel i Stavanger)
#386	wardoslo_nor030105	Frogner (bydel i Oslo)
#387	wardbergen_nor460104	Fyllingsdalen (bydel i Bergen)
#388	wardoslo_nor030101	Gamle Oslo (bydel i Oslo)
#389	wardoslo_nor030110	Grorud (bydel i Oslo)
#390	wardoslo_nor030102	Grünerløkka (bydel i Oslo)
#391	wardtrondheim_nor500104	Heimdal (bydel i Trondheim)
#392	wardstavanger_nor110306	Hillevåg (bydel i Stavanger)
#393	wardstavanger_nor110307	Hinna (bydel i Stavanger)
#394	wardstavanger_nor110301	Hundvåg (bydel i Stavanger)
#395	wardbergen_nor460105	Laksevåg (bydel i Bergen)
#396	wardtrondheim_nor500103	Lerkendal (bydel i Trondheim)
#397	wardstavanger_nor110304	Madla (bydel i Stavanger)
#398	extrawardoslo_nor030117	Marka (bydel i Oslo)
#399	wardtrondheim_nor500101	Midtbyen (bydel i Trondheim)
#400	wardoslo_nor030108	Nordre Aker (bydel i Oslo)
#401	wardoslo_nor030114	Nordstrand (bydel i Oslo)
#402	wardstavanger_nor110309	Rennesøy (bydel i Stavanger)
#403	wardoslo_nor030103	Sagene (bydel i Oslo)
#404	extrawardoslo_nor030116	Sentrum (bydel i Oslo)
#405	wardoslo_nor030104	St. Hanshaugen (bydel i Oslo)
#406	wardstavanger_nor110305	Storhaug (bydel i Stavanger)
#407	wardoslo_nor030111	Stovner (bydel i Oslo)
#408	wardoslo_nor030115	Søndre Nordstrand (bydel i Oslo)
#409	wardstavanger_nor110302	Tasta (bydel i Stavanger)
#410	wardoslo_nor030106	Ullern (bydel i Oslo)
#411	wardoslo_nor030107	Vestre Aker (bydel i Oslo)
#412	wardbergen_nor460106	Ytrebygda (bydel i Bergen)
#413	wardbergen_nor460102	bergen_norhus (bydel i Bergen)
#414	wardbergen_nor460107	Årstad (bydel i Bergen)
#415	wardbergen_nor460108	Åsane (bydel i Bergen)
#416	wardtrondheim_nor500102	Østbyen (bydel i Trondheim)
#417	wardoslo_nor030113	Østensjø (bydel i Oslo)
#418	missingwardbergen_nor460199	Ukjent bydel i Bergen (bydel i Bergen)
#419	missingwardoslo_nor030199	Ukjent bydel i Oslo (bydel i Oslo)
#420	missingwardstavanger_nor110399	Ukjent bydel i Stavanger (bydel i Stavanger)
#421	missingwardtrondheim_nor500199	Ukjent bydel i Trondheim (bydel i Trondheim)
#422	baregion_nor111	Alstahaug (BA-region)
#423	baregion_nor134	Alta (BA-region)
#424	baregion_nor065	Alver (BA-region)
#425	baregion_nor129	Andøy (BA-region)
#426	baregion_nor040	Arendal (BA-region)
#427	baregion_nor088	Aure (BA-region)
#428	baregion_nor071	Aurland (BA-region)
#429	baregion_nor064	Austevoll (BA-region)
#430	baregion_nor119	Beiarn (BA-region)
#431	baregion_nor056	Bergen (BA-region)
#432	baregion_nor156	Berlevåg (BA-region)
#433	baregion_nor106	Bodø (BA-region)
#434	baregion_nor108	Brønnøy (BA-region)
#435	baregion_nor045	Bykle (BA-region)
#436	baregion_nor158	Båtsfjord (BA-region)
#437	baregion_nor127	Bø (BA-region)
#438	baregion_nor157	Deatnu - Tana (BA-region)
#439	baregion_nor024	Dovre (BA-region)
#440	baregion_nor006	Drammen (BA-region)
#441	baregion_nor048	Eigersund (BA-region)
#442	baregion_nor020	Elverum (BA-region)
#443	baregion_nor044	Evje og Hornnes (BA-region)
#444	baregion_nor120	Fauske - Fuosko (BA-region)
#445	baregion_nor066	Fedje (BA-region)
#446	baregion_nor073	Fjaler (BA-region)
#447	baregion_nor042	Flekkefjord (BA-region)
#448	baregion_nor010	Flå (BA-region)
#449	baregion_nor003	Fredrikstad/Sarpsborg (BA-region)
#450	baregion_nor037	Fyresdal (BA-region)
#451	baregion_nor018	Gjøvik (BA-region)
#452	baregion_nor075	Gloppen (BA-region)
#453	baregion_nor011	Gol (BA-region)
#454	baregion_nor139	Gratangen (BA-region)
#455	baregion_nor100	Grong (BA-region)
#456	baregion_nor067	Gulen (BA-region)
#457	baregion_nor148	Guovdageaidnu - Kautokeino (BA-region)
#458	baregion_nor144	Gáivuotna - Kåfjord - Kaivuono (BA-region)
#459	baregion_nor001	Halden (BA-region)
#460	baregion_nor016	Hamar (BA-region)
#461	baregion_nor131	Hamarøy - Hábmer (BA-region)
#462	baregion_nor137	Hammerfest (BA-region)
#463	baregion_nor133	Harstad - Hárstták (BA-region)
#464	baregion_nor150	Hasvik (BA-region)
#465	baregion_nor050	Haugesund (BA-region)
#466	baregion_nor101	Heim (BA-region)
#467	baregion_nor110	Herøy (BA-region)
#468	baregion_nor102	Hitra (BA-region)
#469	baregion_nor051	Hjelmeland (BA-region)
#470	baregion_nor012	Hol (BA-region)
#471	baregion_nor138	Ibestad (BA-region)
#472	baregion_nor004	Indre Østfold (BA-region)
#473	baregion_nor057	Kinn (BA-region)
#474	baregion_nor007	Kongsberg (BA-region)
#475	baregion_nor015	Kongsvinger (BA-region)
#476	baregion_nor033	Kragerø (BA-region)
#477	baregion_nor041	Kristiansand (BA-region)
#478	baregion_nor077	Kristiansund (BA-region)
#479	baregion_nor063	Kvam (BA-region)
#480	baregion_nor060	Kvinnherad (BA-region)
#481	baregion_nor147	Kvænangen (BA-region)
#482	baregion_nor154	Kárášjohka - Karasjok (BA-region)
#483	baregion_nor030	Larvik (BA-region)
#484	baregion_nor155	Lebesby (BA-region)
#485	baregion_nor097	Levanger (BA-region)
#486	baregion_nor098	Lierne (BA-region)
#487	baregion_nor017	Lillehammer (BA-region)
#488	baregion_nor025	Lom (BA-region)
#489	baregion_nor149	Loppa (BA-region)
#490	baregion_nor115	Lurøy (BA-region)
#491	baregion_nor046	Lyngdal (BA-region)
#492	baregion_nor122	Lødingen (BA-region)
#493	baregion_nor118	Meløy (BA-region)
#494	baregion_nor096	Meråker (BA-region)
#495	baregion_nor078	Molde (BA-region)
#496	baregion_nor130	Moskenes (BA-region)
#497	baregion_nor002	Moss (BA-region)
#498	baregion_nor141	Målselv (BA-region)
#499	baregion_nor151	Måsøy (BA-region)
#500	baregion_nor092	Namsos (BA-region)
#501	baregion_nor099	Namsskogan (BA-region)
#502	baregion_nor107	Narvik (BA-region)
#503	baregion_nor113	Nesna (BA-region)
#504	baregion_nor036	Nissedal (BA-region)
#505	baregion_nor028	Nord-Aurdal (BA-region)
#506	baregion_nor026	Nord-Fron (BA-region)
#507	baregion_nor152	Nordkapp (BA-region)
#508	baregion_nor146	Nordreisa (BA-region)
#509	baregion_nor014	Nore og Uvdal (BA-region)
#510	baregion_nor032	Notodden (BA-region)
#511	baregion_nor105	Nærøysund (BA-region)
#512	baregion_nor093	Oppdal (BA-region)
#513	baregion_nor005	Oslo/Bærum (BA-region)
#514	baregion_nor153	Porsanger - Porsáŋgu - Porsanki (BA-region)
#515	baregion_nor114	Rana (BA-region)
#516	baregion_nor084	Rauma (BA-region)
#517	baregion_nor008	Ringerike (BA-region)
#518	baregion_nor039	Risør (BA-region)
#519	baregion_nor117	Rødøy (BA-region)
#520	baregion_nor094	Røros (BA-region)
#521	baregion_nor123	Røst (BA-region)
#522	baregion_nor140	Salangen (BA-region)
#523	baregion_nor053	Sauda (BA-region)
#524	baregion_nor027	Sel (BA-region)
#525	baregion_nor035	Seljord (BA-region)
#526	baregion_nor142	Senja (BA-region)
#527	baregion_nor013	Sigdal (BA-region)
#528	baregion_nor047	Sirdal (BA-region)
#529	baregion_nor031	Skien/Porsgrunn (BA-region)
#530	baregion_nor145	Skjervøy (BA-region)
#531	baregion_nor087	Smøla (BA-region)
#532	baregion_nor070	Sogndal (BA-region)
#533	baregion_nor068	Solund (BA-region)
#534	baregion_nor128	Sortland - Sourtá (BA-region)
#535	baregion_nor049	Stavanger/Sandnes (BA-region)
#536	baregion_nor121	Steigen (BA-region)
#537	baregion_nor091	Steinkjer (BA-region)
#538	baregion_nor022	Stor-Elvdal (BA-region)
#539	baregion_nor058	Stord (BA-region)
#540	baregion_nor143	Storfjord - Omasvuotna - Omasvuono (BA-region)
#541	baregion_nor082	Stranda (BA-region)
#542	baregion_nor076	Stryn (BA-region)
#543	baregion_nor052	Suldal (BA-region)
#544	baregion_nor085	Sunndal (BA-region)
#545	baregion_nor074	Sunnfjord (BA-region)
#546	baregion_nor086	Surnadal (BA-region)
#547	baregion_nor159	Sør-Varanger (BA-region)
#548	baregion_nor034	Tinn (BA-region)
#549	baregion_nor132	Tromsø (BA-region)
#550	baregion_nor090	Trondheim (BA-region)
#551	baregion_nor021	Trysil (BA-region)
#552	baregion_nor116	Træna (BA-region)
#553	baregion_nor095	Tydal (BA-region)
#554	baregion_nor023	Tynset (BA-region)
#555	baregion_nor059	Tysnes (BA-region)
#556	baregion_nor029	Tønsberg (BA-region)
#557	baregion_nor009	Ullensaker (BA-region)
#558	baregion_nor061	Ullensvang (BA-region)
#559	baregion_nor081	Ulstein (BA-region)
#560	baregion_nor054	Utsira (BA-region)
#561	baregion_nor136	Vadsø (BA-region)
#562	baregion_nor080	Vanylven (BA-region)
#563	baregion_nor135	Vardø (BA-region)
#564	baregion_nor112	Vefsn (BA-region)
#565	baregion_nor109	Vega (BA-region)
#566	baregion_nor083	Vestnes (BA-region)
#567	baregion_nor125	Vestvågøy (BA-region)
#568	baregion_nor069	Vik (BA-region)
#569	baregion_nor055	Vindafjord (BA-region)
#570	baregion_nor038	Vinje (BA-region)
#571	baregion_nor089	Volda (BA-region)
#572	baregion_nor062	Voss (BA-region)
#573	baregion_nor126	Vågan (BA-region)
#574	baregion_nor124	Værøy (BA-region)
#575	baregion_nor104	Åfjord (BA-region)
#576	baregion_nor079	Ålesund (BA-region)
#577	baregion_nor043	Åmli (BA-region)
#578	baregion_nor072	Årdal (BA-region)
#579	baregion_nor019	Åsnes (BA-region)
#580	baregion_nor103	Ørland (BA-region)
#581	georegion_nor1	Nord-Norge (landsdel)
#582	georegion_nor4	Sørlandet (landsdel)
#583	georegion_nor2	Trøndelag (landsdel)
#584	georegion_nor3	Vestlandet (landsdel)
#585	georegion_nor5	Østlandet (landsdel)
#586	mtregion_nor4	Midt-Norge (Mattilsynet-region)
#587	mtregion_nor5	Nord-Norge (Mattilsynet-region)
#588	mtregion_nor2	Stor-Oslo (Mattilsynet-region)
#589	mtregion_nor3	Sør- og Vest-Norge (Mattilsynet-region)
#590	mtregion_nor1	Øst-Norge (Mattilsynet-region)
#591	lab_nor000030	Akershus Universitetssykehus (lab)
#592	lab_nor000011	Finnmarkssykehuset HF (lab)
#593	lab_nor084526	Fürst Medisinsk Laboratorium (lab)
#594	lab_nor000071	Helse Nord-Trøndelag HF (lab)
#595	lab_nor089698	Haraldsplass Diakonale Sykehus AS (lab)
#596	lab_nor000043	Helse Bergen HF (lab)
#597	lab_nor000045	Helse Fonna HF (lab)
#598	lab_nor000068	Helse Førde HF (lab)
#599	lab_nor091313	Helse Møre og Romsdal HF (lab)
#600	lab_nor000044	Helse Stavanger HF (lab)
#601	lab_nor000013	Nordlandssykehuset HF (lab)
#602	lab_nor087711	Oslo universitetssykehus HF (lab)
#603	lab_nor000059	St. Olavs hospital HF (lab)
#604	lab_nor000032	Sykehuset Innlandet HF (lab)
#605	lab_nor000039	Sykehuset Telemark HF (lab)
#606	lab_nor000069	Sykehuset i Vestfold HF (lab)
#607	lab_nor000033	Sykehuset Østfold HF (lab)
#608	lab_nor081350	Sørlandet sykehus HF (lab)
#609	lab_nor108337	Unilabs Laboratoriemedisin (lab)
#610	lab_nor000009	Universitetssykehuset Nord-Norge HF (lab)
#611	lab_nor084467	VV-HF Drammen Sykehus (lab)
#612	lab_nor084467	Laboratoriet Bærum sykehus (lab)
#613	lab_nor085217	Folkehelseinstituttet (lab)
#614	lab_nor095148	Lovisenberg diakonale sykehus (lab)
#615	lab_nor107883	Diakonhjemmet Sykehus AS (lab)
#616	lab_nor000012	Helgelandssykehuset HF (lab)

Data format (csfmt_rts_data_v1)