zhengyun21/PMC-Patients-MetaData

PMC-Patients数据集是一个医学领域的数据集，包含从PubMed Central文章中提取的患者信息。数据集包括多个JSON文件，如PMIDs.json、train_PMIDs.json、dev_PMIDs.json、test_PMIDs.json等，这些文件记录了文章ID、患者ID、文章与患者之间的相关性、患者之间的相似性、MeSH术语、人类评估结果等信息。数据集的语言为英语，规模在10万到100万之间，许可证为cc-by-nc-sa-4.0。

原始信息汇总

数据集概述

数据集文件

PMIDs.json

• 描述: 从PMC-Patients提取的文章的PMID列表。
• 数据类型: 字符串列表。
• 长度: 140,897。

train_PMIDs.json & dev_PMIDs.json & test_PMIDs.json

• 描述: 训练/开发/测试集中的文章PMID列表。
• 数据类型: 字符串列表。

train_patient_uids.json & dev_patient_uids.json & test_patient_uids.json

• 描述: 训练/开发/测试集中的患者笔记的patient_uids列表。
• 数据类型: 字符串列表。

patient2article_relevance.json

• 描述: 完整的患者-文章数据集。
• 数据类型: 字典，键为patient_uid，每个条目是相关文章的PMID列表。
• 相关性评分: 通过检查PMID是否在PMIDs.json中获得3点相关性评分。

patient2patient_similarity.json

• 描述: 完整的患者-患者相似度数据集。
• 数据类型: 字典，键为patient_uid，每个条目是相似患者的patient_uid列表。
• 相似度评分: 通过检查相似患者是否共享与查询患者相同的PMID（patient_uid中的字符串前缀）获得3点相似度评分。

PMID2Mesh.json

• 描述: 文章PMID到MeSH术语的字典。

MeSH_Humans_patient_uids.json

• 描述: 从带有"Humans" MeSH术语的文章中提取的PMC-Patients-Humans患者的patient_uid列表。
• 数据类型: 字符串列表。

PMC-Patients_citations.json

• 描述: 用于收集数据集的所有文章的引用。
• 数据类型: 字典，键为patient_uid，每个条目是来源文章的引用。

human_PMIDs.json

• 描述: 用于人类评估的500篇随机抽样文章的PMID列表。
• 数据类型: 字符串列表。

PMC-Patients_human_eval.json

• 描述: human_PMIDs.json中500篇文章的专家注释结果，包括手动注释的患者笔记、人口统计数据和前5篇检索到的文章/患者的关联。
• 数据类型: 字典列表，键与PMC-Patients.json几乎相同，除了human_patient_id和human_patient_uid。
• 关联注释: 字符串，指示患者-文章/患者-患者对在哪些维度上相关/相似。"0", "1", "2", "3"分别代表"Irrelevant", "Diagnosis", "Test", "Treatment"（ReCDS-PAR）和"Dissimilar", "Features", "Outcomes", "Exposure"（ReCDS-PPR）。

PAR_PMIDs.json

• 描述: 用作PAR语料库的11.7M篇文章的PMID列表。
• 数据类型: 字符串列表。