The hardware and bandwidth for this mirror is donated by dogado GmbH, the Webhosting and Full Service-Cloud Provider. Check out our Wordpress Tutorial.
If you wish to report a bug, or if you are interested in having us mirror your free-software or open-source project, please feel free to contact us at mirror[@]dogado.de.

Data format (csfmt_rts_data_v1)

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:

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.

Valid times in the csverse format
Time (Granularity) Class Function Example(s)
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:

Approved events
granularity_time definition
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.

Valid locations and location types in the csverse format
Geo (Granularity) N Examples
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.

Valid ages in the csverse format
Value class Definition
"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.

Valid sexes in the csverse format
Value class Definition
"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.

Unified columns (16) in the csverse format csfmt_rts_data_v1
Variable Accepted values Definition
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:

isoyear:

isoyearweek:

date:

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.

Context-specific columns in the csverse format csfmt_rts_data_v1
Examples Definition
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:

An example relating to number of covid-19 cases:

An example relating to number of covid-19 tests:

An example relating to vaccination:

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).

Reference table of location_code and location_name_description_nb
# location_code 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)

These binaries (installable software) and packages are in development.
They may not be fully stable and should be used with caution. We make no claims about them.
Health stats visible at Monitor.