bigbio/czi_drsm

CZI DRSM数据集是一个基于疾病研究方面的研究文章分类数据集。目前，该数据集包含三个子集：(A) 将论文的标题/摘要分类为临床、基础和转化研究的最流行子类型（约20k篇论文）；(B) 识别论文的标题/摘要是否描述了生活质量的实质性研究（约10k篇论文）；(C) 识别论文是否为自然历史研究（约10k篇论文）。这些分类在罕见疾病研究中尤为重要。该数据集通过CentaurLabs的diagnos.us平台的游戏化策展方法编译。

原始信息汇总

数据集卡片 CZI DRSM

数据集描述

• 主页: https://github.com/chanzuckerberg/DRSM-corpus
• PubMed: 否
• 公开: 是
• 任务: TXTCLASS

基于疾病研究方面的研究文章文档分类数据集。目前，该数据集包含三个子集：

(A) 将论文的标题/摘要分类为临床、基础和转化论文的最流行子类型（约20,000篇论文）；

- 临床特征、疾病病理和诊断：
    描述（i）疾病的症状、体征或“表型”；
    （ii）疾病对患者器官、组织或细胞的影响；
    （iii）揭示病理的临床测试结果（包括生物标志物）；
    （iv）利用这些信息进行诊断的研究。

- 临床中的治疗：
    描述治疗在临床中如何起作用的文本（但不在临床试验中）。

- 疾病机制：

- 基于患者的治疗：
    描述（i）临床试验（在临床试验中对患者使用的治疗措施的研究）；
    （ii）上市后药物监测（药物在一般人群或作为“标准医疗”的一部分批准后的效果）；
    （iii）药物再利用（已批准用于一种用途的药物如何应用于新疾病）。

(B) 识别论文的标题/摘要是否描述了关于生活质量的实质性研究（约10,000篇论文）；

- [-1] - 该论文不是罕见疾病中的主要实验研究

- [0] - 该研究不直接调查生活质量

- [1] - 该研究调查了生活质量，但不是其主要贡献

- [2] - 该研究的主要贡献围绕生活质量测量

(C) 识别论文是否是自然历史研究（约10,000篇论文）。

• [-1] - 该论文不是罕见疾病中的主要实验研究

- [0] - 该研究不直接调查疾病的自然历史

- [1] - 该研究包括一些自然历史的元素，但不是其主要贡献

- [2] - 该研究的主要贡献围绕观察罕见疾病的时间进程

这些分类在罕见疾病研究中尤为相关，这是一个通常研究不足的领域。

该数据是通过基于CentaurLabs的diagnos.us平台的游戏化策展方法编制的。