five

SIDER|药物副作用数据集|药物安全性数据集

收藏
re3data.org2024-05-31 收录
药物副作用
药物安全性
下载链接:
https://www.re3data.org/repository/r3d100012791
下载链接
链接失效反馈
资源简介:
SIDER contains information on marketed medicines and their recorded adverse drug reactions. The information is extracted from public documents and package inserts. The available information include side effect frequency, drug and side effect classifications as well as links to further information, for example drug–target relations.

SIDER 数据集收录了已上市药品及其记录的不良药物反应信息。该信息来源于公开文件和药品说明书。其中包含不良反应发生率、药物及不良反应分类,以及指向进一步信息的链接,例如药物-靶点关系。
提供机构:
Side Effect Resource
AI搜集汇总
数据集介绍
main_image_url
构建方式
SIDER数据集的构建基于对公开药物副作用信息的系统性收集与整理。该数据集从多个医学文献和数据库中提取药物与副作用的关联信息,通过自动化和人工审核相结合的方式,确保数据的准确性和完整性。具体而言,SIDER通过解析药物标签、临床试验报告和医学文献,提取药物的副作用信息,并将其标准化为统一的分类体系,以便于后续的分析和应用。
特点
SIDER数据集以其广泛的覆盖范围和高质量的数据著称。该数据集包含了超过1400种药物和超过5000种副作用的详细信息,涵盖了从常见副作用到罕见不良反应的广泛范围。此外,SIDER数据集还提供了药物与副作用之间的关联强度和频率信息,为研究人员提供了丰富的分析维度。其数据的标准化和结构化处理,使得该数据集在药物安全性和风险评估研究中具有极高的应用价值。
使用方法
SIDER数据集主要用于药物副作用的预测和分析研究。研究人员可以通过该数据集进行药物副作用的关联分析,识别潜在的药物风险因素,并为新药开发提供安全性评估依据。此外,SIDER数据集还可用于构建和验证药物副作用预测模型,通过机器学习和数据挖掘技术,提升药物安全性的预测精度。在使用该数据集时,研究人员需注意数据的适用范围和潜在的偏差,确保分析结果的科学性和可靠性。
背景与挑战
背景概述
SIDER数据集,全称为Side Effect Resource,由Kuhn等人在2012年发布,旨在为药物副作用研究提供一个全面的数据库。该数据集整合了来自多个药物副作用数据库的信息,涵盖了数千种药物及其相关的副作用。SIDER的发布极大地推动了药物安全性和副作用预测的研究,为药物开发和临床应用提供了重要的参考依据。通过整合和标准化不同来源的数据,SIDER为研究人员提供了一个统一的资源,有助于更准确地评估药物的安全性。
当前挑战
SIDER数据集在构建过程中面临了多重挑战。首先,数据来源的多样性和异质性使得数据整合和标准化成为一个复杂的问题。不同数据库可能使用不同的术语和分类系统,导致数据的一致性和可比性受到影响。其次,药物副作用的复杂性和多样性使得数据的准确性和完整性难以保证。此外,随着新药物的不断上市和临床应用,数据集需要不断更新以保持其时效性和实用性。这些挑战要求研究人员在数据处理和分析过程中采用先进的技术和方法,以确保数据集的质量和可靠性。
发展历史
创建时间与更新
SIDER数据集由柏林工业大学于2007年首次发布,旨在提供药物副作用的全面信息。该数据集自发布以来,经历了多次更新,最近一次更新是在2015年,显著提升了数据的质量和覆盖范围。
重要里程碑
SIDER数据集的一个重要里程碑是其在2013年的扩展,引入了药物与副作用之间的剂量-反应关系,这一改进极大地增强了数据集的临床应用价值。此外,2015年的更新不仅增加了新的药物和副作用信息,还引入了更多的元数据,使得数据集在药物安全性和风险评估方面的应用更加广泛。
当前发展情况
当前,SIDER数据集已成为药物副作用研究领域的基石,广泛应用于药物警戒、临床试验设计和药物再利用研究。其丰富的数据资源和持续的更新机制,为全球科研人员提供了宝贵的数据支持,推动了药物安全性和有效性的深入研究。随着人工智能和大数据技术的发展,SIDER数据集的应用前景更加广阔,有望在个性化医疗和精准治疗中发挥重要作用。
发展历程
  • SIDER数据集首次发表,由Günther等人创建,旨在提供药物副作用信息。
    2007年
  • SIDER 2.0版本发布,增加了更多的药物和副作用信息,提升了数据集的覆盖范围和准确性。
    2009年
  • SIDER 3.0版本发布,引入了药物与副作用之间的关联强度数据,进一步增强了数据集的实用性和研究价值。
    2013年
  • SIDER 4.1版本发布,更新了数据集的内容,并优化了数据结构,以支持更广泛的应用和分析。
    2016年
常用场景
经典使用场景
在药物副作用研究领域,SIDER数据集以其详尽的药物副作用信息而著称。该数据集广泛应用于药物相互作用分析、副作用预测以及药物安全性的评估。通过整合来自多种药物数据库的信息,SIDER为研究人员提供了一个全面的平台,用以探索药物与不良反应之间的复杂关系。其经典使用场景包括构建药物副作用预测模型,以及在临床试验中辅助决策,确保药物的安全性和有效性。
解决学术问题
SIDER数据集在解决药物副作用相关的学术研究问题中发挥了关键作用。它为研究人员提供了丰富的数据资源,有助于深入理解药物与不良反应之间的关联机制。通过分析SIDER中的数据,学者们能够识别出潜在的副作用风险,从而在药物开发过程中提前进行干预。此外,SIDER还促进了多学科交叉研究,如生物信息学和药理学,推动了药物副作用预测模型的创新和发展。
衍生相关工作
SIDER数据集的发布催生了大量相关的经典研究工作。例如,基于SIDER的药物副作用预测模型已成为药物安全性研究的重要工具,推动了机器学习和数据挖掘技术在药理学中的应用。此外,SIDER还激发了多中心合作研究,通过共享和整合全球范围内的药物副作用数据,提升了药物安全监测的效率和准确性。这些衍生工作不仅丰富了药物副作用研究的方法论,也为临床实践提供了有力的支持。
以上内容由AI搜集并总结生成
用户留言
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?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
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

网易云音乐数据集

该数据集包含了网易云音乐平台上的歌手信息、歌曲信息和歌单信息,数据通过爬虫技术获取并整理成CSV格式,用于音乐数据挖掘和推荐系统构建。

github 收录

Google Scholar

Google Scholar是一个学术搜索引擎,旨在检索学术文献、论文、书籍、摘要和文章等。它涵盖了广泛的学科领域,包括自然科学、社会科学、艺术和人文学科。用户可以通过关键词搜索、作者姓名、出版物名称等方式查找相关学术资源。

scholar.google.com 收录

中国行政区划数据

本项目为中国行政区划数据,包括省级、地级、县级、乡级和村级五级行政区划数据。数据来源于国家统计局,存储格式为sqlite3 db文件,支持直接使用数据库连接工具打开。

github 收录

中国农村教育发展报告

该数据集包含了中国农村教育发展的相关数据,涵盖了教育资源分布、教育质量、学生表现等多个方面的信息。

www.moe.gov.cn 收录

中国区域地面气象要素驱动数据集 v2.0(1951-2020)

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 70 年(1951~2020 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 70 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。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致,仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新,以修正其长期趋势存在的问题。2021 年至 2024 年的 CMFD 数据正在制作中,计划于 2025 年上半年发布,从而使 CMFD 2.0 延伸至 2024 年底。

国家青藏高原科学数据中心 收录