有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
ATC (Anatomical Therapeutic Chemical) Classification System|药物分类数据集|ATC系统数据集
收藏www.who.int2024-10-27 收录
下载链接：
https://www.who.int/tools/atc-ddd-toolkit/atc-classification
下载链接
链接失效反馈资源简介：
ATC分类系统是一个用于药物分类的国际标准系统，由世界卫生组织（WHO）维护。该系统根据药物的解剖学、治疗学和化学特性对药物进行分类。ATC代码由五个字母组成，每个字母代表不同的分类层次。第一层代表解剖学主组，第二层代表治疗学亚组，第三层代表药理学亚组，第四层代表化学亚组，第五层代表具体的化学物质。
提供机构：
www.who.int
AI搜集汇总
数据集介绍
构建方式
ATC分类系统数据集的构建基于世界卫生组织（WHO）的ATC分类标准，该标准将药物按照其治疗用途、化学结构和药理作用进行多层次分类。数据集的构建过程包括收集全球范围内的药物信息，根据其化学成分、药理作用和治疗领域进行分类，并将其映射到ATC的五个层次结构中。每一层次的分类都经过严格的科学验证和国际共识，确保分类的准确性和一致性。
特点
ATC分类系统数据集的特点在于其多层次的分类结构，从第一层次的解剖学分类到第五层次的具体药物，每一层次都提供了详细的分类信息。此外，该数据集涵盖了广泛的药物种类，包括处方药和非处方药，适用于全球范围内的药物管理和研究。数据集的更新频率较高，以反映药物市场的最新变化和科学研究的进展。
使用方法
ATC分类系统数据集可用于多种药物管理和研究场景。在药物管理方面，该数据集可用于药物目录的编制、药物政策的制定和药物使用的监测。在研究领域，ATC分类系统可用于药物流行病学研究、药物相互作用分析和药物疗效评估。使用该数据集时，研究人员需根据具体需求选择合适的分类层次，并结合其他数据源进行综合分析，以确保研究结果的准确性和可靠性。
背景与挑战
背景概述
ATC（Anatomical Therapeutic Chemical）分类系统是由世界卫生组织（WHO）于1976年开发的一种药物分类系统，旨在根据药物的药理作用、治疗用途和化学结构对其进行分类。该系统由五个层次组成，从解剖学主分类（第一层次）到化学物质分类（第五层次），为全球药物管理和研究提供了标准化的框架。ATC分类系统的引入极大地促进了药物信息的统一和标准化，为药物研发、临床应用和公共卫生政策制定提供了重要的参考依据。
当前挑战
尽管ATC分类系统在药物分类和标准化方面取得了显著成就，但其构建过程中仍面临诸多挑战。首先，随着新药的不断涌现，系统需要不断更新以适应新的化学物质和治疗用途，这要求持续的维护和扩展。其次，不同国家和地区的药物使用习惯和法规差异，可能导致分类标准的不一致性。此外，数据的质量和完整性也是一大挑战，确保所有药物信息准确无误地纳入系统需要大量的资源和专业知识。
发展历史
创建时间与更新
ATC分类系统由世界卫生组织（WHO）于1976年首次提出，旨在为药物提供一个系统的分类框架。该系统自创建以来，经历了多次修订和更新，最近一次重大更新是在2021年，以确保其与现代药物和治疗实践的同步。
重要里程碑
ATC分类系统的重要里程碑包括1996年的第二次修订，引入了第五级分类，即药物的具体成分分类，从而提高了系统的详细性和实用性。2004年，WHO发布了ATC/DDD（Defined Daily Dose）系统，将药物的临床使用剂量纳入分类标准，进一步增强了其在临床实践中的应用价值。此外，2011年，ATC系统与ICD-11（国际疾病分类第十一版）的整合，标志着其在全球卫生信息系统中的核心地位。
当前发展情况
当前，ATC分类系统已成为全球药物分类和管理的黄金标准，广泛应用于药品监管、医疗保险报销、药物经济学研究等多个领域。其不断更新的分类标准和与国际疾病分类系统的整合，确保了其在现代医疗体系中的持续相关性和实用性。ATC系统的持续发展不仅推动了药物分类的科学化，也为全球卫生政策的制定和实施提供了坚实的数据支持。
发展历程
- ATC分类系统首次由世界卫生组织（WHO）正式发布，旨在对药物进行系统分类，以便于药物的研发、监管和使用。
- WHO对ATC系统进行了重大修订，引入了第五级分类（ATC/DDD系统），增加了药物的日剂量（DDD）指标，以标准化药物使用量的比较。
- ATC分类系统被广泛应用于全球多个国家的药物监管和医疗保健系统，成为药物分类和使用的重要标准。
- WHO发布了ATC系统的最新版本，进一步细化了药物分类，并更新了药物的DDD值，以反映最新的临床实践和药物使用情况。
常用场景
经典使用场景
在药物分类与管理领域，ATC（Anatomical Therapeutic Chemical）分类系统被广泛应用于药物的系统化分类。该系统根据药物的解剖学、治疗学和化学特性，将药物分为五个层次，从大类到具体药物。这一分类方法不仅有助于药物的科学管理，还为药物的研发、生产和临床应用提供了标准化的参考框架。通过ATC分类系统，研究人员和临床医生能够更高效地检索和比较不同药物的特性和用途，从而优化药物选择和治疗方案。
衍生相关工作
ATC分类系统的引入和应用，催生了大量相关的经典研究工作。例如，基于ATC分类系统的药物相互作用研究，帮助揭示了不同药物之间的潜在相互作用，为临床用药提供了重要参考。此外，ATC分类系统还被用于药物流行病学研究，分析不同药物在人群中的使用模式和效果，为公共卫生决策提供了数据支持。在药物经济学领域，ATC分类系统也被广泛应用于药物成本效益分析，帮助优化药物资源配置。
数据集最近研究
最新研究方向
在药物分类领域，ATC（Anatomical Therapeutic Chemical）分类系统作为国际通用的药物分类标准，其最新研究方向主要集中在利用机器学习和大数据分析技术，以提升药物分类的准确性和效率。研究者们通过整合多源数据，如药物化学结构、临床试验结果和患者反馈，构建更为精细的药物分类模型。这些模型不仅有助于药物的精准分类，还能为个性化医疗提供支持，从而优化治疗方案，减少药物不良反应。此外，随着全球药物监管政策的不断更新，ATC分类系统的研究也在不断适应这些变化，确保其分类标准的时效性和适用性。
相关研究论文
- 1The Anatomical Therapeutic Chemical (ATC) Classification SystemWorld Health Organization · 2002年
- 2The Anatomical Therapeutic Chemical (ATC) Classification System: A Review of Its History and DevelopmentNational Center for Biotechnology Information · 2015年
- 3Application of the Anatomical Therapeutic Chemical (ATC) Classification System in PharmacovigilanceElsevier · 2018年
- 4The Anatomical Therapeutic Chemical (ATC) Classification System and Its Use in Drug Utilization ResearchNational Center for Biotechnology Information · 2019年
- 5Anatomical Therapeutic Chemical (ATC) Classification System: A Tool for Drug Classification and Its Application in Clinical PracticeElsevier · 2020年
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国裁判文书网
中国裁判文书网是中国最高人民法院设立的官方网站，旨在公开各级法院的裁判文书。该数据集包含了大量的法律文书，如判决书、裁定书、调解书等，涵盖了民事、刑事、行政、知识产权等多个法律领域。
wenshu.court.gov.cn 收录
CCNC
CCNC是一个包含365万姓名样本的大型中文姓名语料库，数据来源于姓名大全和中文人名语料库，经过处理和注音，用于中文姓名研究和实体识别。
github 收录
中国区域地面气象要素驱动数据集 v2.0（1951-2024）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 74 年（1951~2024 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。
国家青藏高原科学数据中心 收录
SPIQA
SPIQA数据集由谷歌研究院和约翰斯·霍普金斯大学共同创建，是首个针对科学研究论文中复杂图表和表格进行多模态问答的大规模数据集。该数据集包含270,194个问题，涉及计算机科学多个领域的研究论文。数据集的创建过程结合了自动和手动筛选，确保了数据的质量和多样性。SPIQA数据集主要用于评估多模态大型语言模型在理解科学论文中的图表和表格方面的能力，旨在提高信息检索和问答系统的性能。
arXiv 收录
CWRU bearing fault dataset
CWRU数据集的故障类别被总结为总共十类数据，包括一种正常数据和九种故障数据。该数据集包含两种采样频率的数据，12k Hz和48k Hz，正常数据除外，它只有48k Hz的采样频率。对于这些数据，我们使用12k Hz采样频率的数据。
github 收录