JAMA Surgery (1911–1930) – Extract Surgical Entities for LLM & NLP Training

This dataset includes cleaned historical surgical content from JAMA Surgery spanning 1911 to 1930.

<p><br/></p>

What you can do with this data:

- Train surgical entity recognition models for procedure identification

- Build domain-specific language models using historical surgical terminology

- Analyze how surgical documentation and terminology evolved across two decades

- Support pretraining for clinical LLMs requiring specialty-specific content

<p><br/></p>

Data quality features:

- Professionally OCR'd and cleaned (not raw PDF/text)

- Structured rows with consistent schema

- Bias-audited with full provenance tracking documented

- 100% public domain content (pre-1930) with no copyright restrictions

<p><br/></p>

This dataset is designed for NLP researchers, ML engineers, and medical AI teams building models for healthcare applications.

<p><br/></p>

原始信息汇总

JAMA Surgery Dataset 1911 to 1930 Cleaned Structured AI Ready

数据集概述

该数据集包含1911年至1930年《JAMA Surgery》历史外科文献的精选和专业处理集合。所有内容均来自经过验证的公共领域档案，并转换为适合人工智能训练、研究和高级分析的结构化、机器可读格式。

数据内容与处理

• 时间范围：1911年至1930年。
• 内容来源：来自《JAMA Surgery》的历史外科文献。
• 处理标准：
  • 经过手动验证的高质量OCR。
  • 去除了噪声和格式伪影。
  • 保留了原始含义和结构。
  • 为下游AI应用提供一致的架构。
  • 完整的来源追踪。
• 数据状态：所有材料均为公共领域且符合道德规范来源。

数据结构

表名：JAMA_SURGERY_1911_1930_CLEAN

列定义：

• FILE_NAME：Varchar类型。
• AUTHOR：Varchar类型。
• ISSUE：Varchar类型。
• TEXT：Varchar类型。

数据预览示例：

• sim_jama-surgery_1926-05_12_5.jsonl | CELE). WaAttTerR E. Danpy,M.D., BALTIMORE | 1926-May | OTHER PERIODICAL PUBLICATIONS of the American Medical Association THE JOURNAL OF THE AMERICAN MEDICAL ASSOCIATION Weekly...
• sim_jama-surgery_1923-05_6_3.jsonl | EDWIN P. LEHMAN, M.D. | 1923-May | 4. Until from 52 to 66 per cent. of the pulmonary circulation is cut off there is no significant variation in the general circulatory condition of the animal...
• sim_jama-surgery_1929-01_18_1.jsonl | CANCER OF THE THYROID GLAND. Howarp M. Crute, M.D., anp | 1929-January | OTHER PERIODICAL PUBLICATIONS of the American Medical Association THE JOURNAL OF THE AMERICAN MEDICAL ASSOCIATION Weekly...

应用场景

• 机器学习：支持使用高质量、结构化的外科文献训练和微调领域特定模型。
• 真实世界数据：为研究和分析提供历史外科见解和纵向数据。
• 定量分析：支持对手术趋势、作者身份和出版模式随时间变化进行结构化分析。
• 具体用例：
  • 训练特定领域的医学和外科语言模型。
  • 外科实践的历史研究和趋势分析。
  • 自然语言处理和语义搜索应用。
  • 检索增强生成系统。
  • 医学教育和档案分析。

使用示例

探索随时间变化的外科主题

sql SELECT issue, COUNT(*) AS article_count FROM PUBLIC.jama_surgery_1911_1930_clean GROUP BY issue ORDER BY issue;

识别外科文献的主要贡献作者

sql SELECT author, COUNT(*) AS publication_count FROM PUBLIC.jama_surgery_1911_1930_clean GROUP BY author ORDER BY publication_count DESC LIMIT 10;

预览用于NLP和AI的外科内容

sql SELECT file_name, author, LEFT(text, 500) AS preview FROM PUBLIC.jama_surgery_1911_1930_clean LIMIT 10;

数据更新

• 更新频率：每年。

提供商信息

• 提供商：Devin Media Corp.
• 销售联系：[e-mail]
• 支持联系：[e-mail]