Ett Sverige som inte finns

Den 27 november 2014 presenterade jag några kartor över mortaliteten i Sveriges län 2013, som var baserade på data från Socialstyrelsen och shapefiler från Valmyndigheten. Via Socialstyrelsen (2017) går det att hämta data över dödsorsaker i Sveriges landsting som sträcker sig tillbaka till 1997. För den som intresserar sig för regionala dödsorsaksmönster i äldre tid har SCB (1998) data för perioden 1969–96 på både landstings- och kommunnivå. Dock använder sig dessa data av 1995 års regionala indelning, med nuvarande Skåne och Västra Götalands län splittrade, vilket innebär att shapefiler som bygger på dagens indelning inte går att använda för att göra kartor som inkluderar dessa regioner.

Nu har emellertid Riksarkivet tillgängliggjort filer med territoriella indelningar av Sverige från 1500-talet till 1990-talet (Riksarkivet 2016). I höstas gjorde jag en Pythonmodul för att hämta de data som finns tillgängliga via SCB (1998) med hjälp av SCB:s API och göra olika visualiseringar. Nu har jag anpassat den så att det går att rita upp kartor med hjälp av filerna från Riksarkivet. Met Office (2016) används för att generera själva kartorna. Om ZIP-arkivet med dessa filer packats upp i katalogen naddata under den katalog där min modul laddats ned går det t.ex. att rita upp kartor över andelen dödsfall orsakade av cirkulationssjukdom i Sveriges län över perioden 1981–86 bland kvinnor och män genom att köra följande i en tolk som IPython (efter att funktionerna lästs in i namnrymden med run seregmort/__init__.py):

pardict = catot_mapdict(allregions('county', 
metadata(morturl)), '23-28', 1981, 1986)
propmap(**pardict, startage = '0', endage = '90+', sex = '2')
propmap(**pardict, startage = '0', endage = '90+', sex = '1')

Det går också att visa samma andelar för kommunerna i Norrbottens län genom att först lagra dessa värden med catot_mapdict:

pardict = catot_mapdict(munis_incounty('25', 
metadata(morturl)), '23-28', 1981, 1986)

Därefter kan propmap anropas som i exemplet med Sveriges län.

I många sammanhang är dödstal ett mer relevant mått än andelen dödsfall. För att kunna beräkna dessa behöver vi data över folkmängden i regionerna. Sådana finns tillgängliga via SCB (2024). Här uppstår emellertid på nytt problemet med de ändrade indelningarna: dessa data använder sig av de nya indelningarna och kan därför inte på ett enkelt sätt kombineras med data hämtade från SCB (1998), i de fall där indelningarna inte stämmer överens. Jag har en funktion capop_mapdict, som lagrar data över folkmängden i nämnaren. När den används för jämförelser på länsnivå kan den lämpligen kombineras med funktionen unchanged_regions, som filtrerar de regioner som förblivit oförändrade. Det går att rita upp kartor över dödstal i ischemisk hjärtsjukdom i åldersgruppen 55–64 år för perioden 1981–86 på detta sätt:

pardict = capop_mapdict(unchanged_regions('county', 
metadata(morturl)), '25', 1981, 1986)
propmap(**pardict, startage = '55-59', endage = '60-64', sex = '2')
propmap(**pardict, startage = '55-59', endage = '60-64', sex = '1')

Resultatet blir som synes ett något avhugget Sverige, som liknar hur det sett ut om freden i Roskilde 1658 aldrig ägt rum och större delen av Västergötland också gått förlorat.

Referenser