TinyEHR

一个包含100名患者混合电子健康记录的数据集，用于学习、实验和原型设计医疗数据和工具。结构化数据来自真实的去识别化医院记录（MIMIC-IV Demo），就诊日期经过转换以反映真实世界的EHR时间线。数据集还包括4,580条合成的临床记录，这些记录通过跟随每位患者在就诊期间的档案生成，以保留真实的临床工作流程。

This dataset contains mixed electronic health records (EHRs) from 100 patients, intended for learning, experimentation, and prototyping of medical data and tools. The structured data is sourced from real de-identified hospital records (MIMIC-IV Demo), and the visit dates have been transformed to reflect real-world EHR timelines. The dataset also includes 4,580 synthetic clinical records, which are generated by following each patient's profile across their visits to preserve authentic clinical workflows.

原始信息汇总

TinyEHR 数据集概述

数据集简介

TinyEHR 是一个包含 100 名患者的合成电子健康记录数据集。它源自 MIMIC-IV Clinical Database Demo v2.2，专为学习、实验和构建健康数据工具原型而设计。该数据集同时提供 MIMIC-IV 和 OMOP CDM v5.3.1 两种格式，分别包含 33 张和 23 张已填充数据的表格。此外，数据集还包含了 4,580 条合成的临床笔记，以补充结构化数据。

数据访问方式

方法	链接	最佳用途
在浏览器中浏览和查询	https://tinyehr.org	快速探索、SQL 练习
HuggingFace 数据集	https://huggingface.co/datasets/vidulpanickan/TinyEHR	数据集查看器、Parquet 文件下载
Python 包	pip install tinyehr	在笔记本或脚本中使用 DataFrame
下载 CSV	https://github.com/vidulpanickan/TinyEHR/archive/refs/heads/main.zip	完整下载，用于自定义流程

数据格式与内容

MIMIC-IV 格式

共包含 33 张表格，总计 1,403,180 行数据。

• 医院数据 (22 张表): patients, admissions, diagnoses_icd, procedures_icd, hcpcsevents, prescriptions, pharmacy, labevents, microbiologyevents, drgcodes, services, transfers, d_labitems, d_icd_diagnoses, d_icd_procedures, d_hcpcs, provider, emar, emar_detail, poe, poe_detail, omr。
• ICU 数据 (9 张表): chartevents, procedureevents, outputevents, datetimeevents, inputevents, ingredientevents, icustays, d_items, caregiver。
• 笔记数据 (1 张表): noteevents (包含 4,580 条合成的临床笔记)。
• 元数据 (1 张表): date_offsets。

OMOP CDM v5.3.1 格式

共包含 23 张已填充数据的表格：care_site, cdm_source, concept, concept_relationship, condition_era, condition_occurrence, death, device_exposure, dose_era, drug_era, drug_exposure, fact_relationship, location, measurement, note, observation, observation_period, person, procedure_occurrence, specimen, visit_detail, visit_occurrence, vocabulary。

数据来源与构建

• 数据集基于 PhysioNet 上发布的 MIMIC-IV Clinical Database Demo v2.2 构建。
• OMOP CDM 转换遵循 OHDSI v5.3.1 规范。
• 生成了合成的临床笔记以补充结构化数据。

许可证

• 数据: 采用 ODbL-1.0 (Open Data Commons Open Database License) 许可证。允许自由使用、分享和修改。如果重新分发修改后的数据集版本，必须在相同许可证下发布。
• 代码 (tinyehr Python 包): 采用 MIT 许可证。

搜集汇总

数据集介绍

构建方式

在医疗数据科学领域，构建高质量且易于访问的数据集对于推动研究与应用至关重要。TinyEHR数据集源自MIMIC-IV临床数据库演示版v2.2，通过精心设计生成了100名虚拟患者的电子健康记录。该数据集不仅保留了原始MIMIC-IV的结构化数据框架，还扩展至OMOP通用数据模型v5.3.1格式，分别填充了33张和23张数据表。为了增强数据的完整性，研究团队合成了4,580份临床文本记录，从而在保护真实患者隐私的同时，为结构化信息提供了丰富的上下文补充。

特点

TinyEHR的显著特点在于其双格式兼容性，同时支持MIMIC-IV和OMOP CDM两种主流医疗数据标准，这为跨平台工具开发和算法验证提供了便利。数据集涵盖医院与重症监护室的多维度信息，包括诊断、实验室检查、用药记录等，并引入了合成临床笔记以模拟真实世界场景。其轻量级设计专注于学习与原型开发，无需繁琐的数据使用协议即可直接访问，极大降低了医疗数据研究的入门门槛。

使用方法

用户可通过多种灵活方式利用TinyEHR数据集进行探索与分析。在线平台支持直接浏览与SQL查询，适合快速数据探查；HuggingFace仓库提供了Parquet格式下载，便于集成至机器学习流程。安装配套Python包后，用户能够以数据框形式加载特定表格或提取单个患者的完整记录，并可在本地构建SQLite数据库进行复杂查询。这种多层次访问设计兼顾了从初学者到专业开发者的不同需求，为医疗数据工具的创新提供了坚实基础。

背景与挑战

背景概述

在医疗健康信息学领域，电子健康记录（EHR）数据对于推动临床研究、机器学习模型开发及医疗决策支持系统至关重要。TinyEHR数据集由研究人员或机构基于MIMIC-IV临床数据库演示版构建，旨在为学习、实验和原型设计提供便捷资源。该数据集包含100名合成患者的记录，以MIMIC-IV和OMOP CDM v5.3.1两种标准化格式呈现，分别涵盖33和23个数据表，并辅以4,580条合成临床笔记。其创建源于降低真实EHR数据访问门槛的需求，通过开源许可促进健康数据工具的快速迭代与创新，对医疗人工智能和教育领域具有显著影响力。

当前挑战

TinyEHR数据集致力于解决电子健康记录分析中的核心挑战，包括数据标准化、隐私保护下的模型训练以及跨机构数据互操作性。在构建过程中，挑战主要集中于从MIMIC-IV演示版生成高质量合成数据，确保其统计特性与真实临床分布一致，同时避免患者隐私泄露。此外，将原始数据转换为OMOP CDM格式需处理复杂的映射逻辑，以维持语义完整性和临床实用性。合成临床笔记的生成也需平衡文本多样性与医学准确性，以支持自然语言处理任务。

常用场景

经典使用场景

在医疗健康数据科学领域，TinyEHR数据集常被用于教学与原型开发。该数据集基于MIMIC-IV临床数据库衍生，包含100名患者的合成电子健康记录，覆盖结构化数据与临床文本。研究人员和开发者借助其轻量级特性，能够快速搭建数据管道，实践SQL查询、机器学习模型训练等任务，而无需面对真实临床数据访问的复杂合规要求。

实际应用

在实际应用中，TinyEHR可作为医疗信息系统开发的测试床。工程师利用其MIMIC-IV和OMOP CDM双格式支持，能够验证数据转换流程、评估临床决策支持算法的可行性，或培训医护人员使用数据分析工具。其内置的合成临床笔记进一步拓展了应用场景，例如用于电子病历文本挖掘模型的初步调试与性能评估。

衍生相关工作

围绕TinyEHR，已涌现出一系列教育与工具类工作。例如，基于该数据集开发的Python软件包简化了数据加载与探索流程；在线查询平台为初学者提供了交互式SQL练习环境。这些衍生工具共同构建了一个低门槛的生态系统，支持更多研究者快速入门健康数据科学，并可能启发后续针对合成数据质量评估、跨格式映射优化等方向的研究。