Data-Gouv-FR/base-de-donnees-publique-des-medicaments-defi-idoc-sante

该数据集是法国药物公共数据库（BDPM）的再分发版本，作为法国卫生高级管理局组织的iDoc Santé挑战赛的一部分。其特点包括：1. 使用制表符分隔的CSV文件（替代原始TXT文件）；2. 添加了产品特性摘要表；3. 添加了药物与病理关系表。该数据库允许公众和医疗专业人员访问法国市场上或过去两年内销售的药物数据和参考文档。这是一个关于治疗和健康产品正确使用的行政和科学数据库，由法国国家药品和健康产品安全局（ANSM）与法国卫生高级管理局（HAS）和法国国家健康保险基金联盟（UNCAM）合作，在法国社会事务和卫生部的监督下实施。数据集包含多个文件，如药物特性文件、药物与病理关系文件等，并提供了两个子集配置：cis_pathologie和bdpm_pathologies。This dataset is a redistributed version of the French Public Drug Database (BDPM), developed as part of the iDoc Santé Challenge organized by the French Haute Autorité de Santé (HAS). Its key features include: 1. Using tab-separated CSV files instead of the original TXT files; 2. Added Summary of Product Characteristics (SPC) tables; 3. Added drug-pathology relationship tables. This database enables the public and healthcare professionals to access drug data and reference documents for medications currently marketed in France or sold within the past two years. This is an administrative and scientific database focused on the proper use of therapeutic and health products, jointly developed by the French National Agency for the Safety of Medicines and Health Products (ANSM) in collaboration with HAS and the National Union of Health Insurance Funds (UNCAM), under the supervision of the French Ministry of Solidarity and Health. The dataset includes multiple files such as drug characteristic files, drug-pathology relationship files, and provides two subset configurations: cis_pathologie and bdpm_pathologies.

搜集汇总

数据集介绍

构建方式

该数据集源自法国药品公共数据库（BDPM），由法国国家药品与健康产品安全局（ANSM）联合高等健康管理局（HAS）及国家健康保险基金联盟（UNCAM）共同维护，并在HAS发起的iDoc Santé挑战赛框架下进行重构与再分发。原始数据以制表符分隔的CSV文件形式呈现，取代了传统的TXT格式，并新增了产品特性摘要表以及药物与病理关联表。数据集在Hugging Face上以Parquet格式存储，每个数据资源对应一个子集配置，其中包含一个名为train的分片，便于高效加载与处理。

使用方法

用户可通过Hugging Face的datasets库便捷地加载该数据集，安装依赖后只需指定数据集标识符与子集配置名称（如cis_pathologie）即可获取训练数据。以Python为例，调用load_dataset函数并选择目标子集，返回的对象中train分片可直接用于数据探索或建模任务。由于数据已转换为Parquet格式，其列式存储特性使得大规模筛选与聚合操作更为高效，适用于药物信息检索、病理关联分析或自然语言处理等研究场景。

背景与挑战

背景概述

该数据集名为“Base de données publique des médicaments (Défi iDoc Santé)”，源自法国官方药品公共数据库（BDPM），由法国国家药品与健康产品安全局（ANSM）联合法国高级卫生管理局（HAS）及国家疾病保险基金联盟（UNCAM）共同维护。创建于2022年，该数据集作为iDoc Santé挑战赛的核心资源，旨在强化药品数据在公共卫生领域的开放利用。其核心研究问题聚焦于药物与疾病之间的关联分析，并通过整合产品特性摘要与病理信息，为研究人员和医疗从业者提供结构化的药物知识体系。该数据集对法国乃至欧洲的药品信息透明化、药物流行病学研究及自动化医疗决策系统的发展具有重要推动作用。

当前挑战

该数据集面临多重挑战。在领域层面，它需要解决药品与疾病关联信息的碎片化问题，尽管官方数据库提供了丰富数据，但病理信息并未完全收录，这限制了全面药物-疾病图谱的构建。此外，药品信息的复杂性和专业术语的异构性增加了数据整合的难度。在构建过程中，团队需将原始的多格式文本文件（如txt、zip）转化为标准化的CSV和Parquet格式，并设计统一的数据模式（如CIS_Pathologie表）。同时，确保数据更新的时效性和与官方来源的一致性，尤其在处理持续增长的药物上市与撤销信息时，资源维护与版本控制成为显著挑战。

常用场景

经典使用场景

法国公共药品数据库（Base de données publique des médicaments）是法国国家药品与健康产品安全局（ANSM）联合卫生高级管理局（HAS）及国家医疗保险基金联盟（UNCAM）共同构建的权威性医药数据资源。该数据集在iDoc Santé挑战赛的推动下得以重新整理与分发，涵盖了药品专论、药品与病理关联信息、药品成分、上市许可状态及疗效评估等核心字段。经典使用场景包括基于药品代码（CIS）与病理学编码的关联分析，以及利用药品特性摘要（RCP）的文本挖掘任务。研究者可借助该数据集进行大规模药物流行病学统计、药品处方模式的区域差异分析，以及药物安全信号的自动检测，尤其在法国医疗体系内开展真实世界数据驱动的药物评价研究。

解决学术问题

该数据集有效解决了法国公共药物信息长期分散、格式不统一且缺乏标准化病理关联的学术障碍。通过提供结构化的药品-病理映射表（CIS_Pathologie）与完整的药品特性摘要（RCP），它使得药品适应症的知识图谱构建、药物再利用（drug repurposing）的语义推理以及药品不良反应的文本挖掘成为可能。这一资源显著推动了药物信息学领域的进展，尤其强化了法国医疗大数据在循证医学与精准用药研究中的基石地位。它为比较不同药品的临床疗效（SMR/ASMR评级）提供了规范化的数据基础，促进了基于真实世界证据的卫生技术评估方法学发展，对提升公共健康决策的科学性产生了深远影响。

实际应用

在实际应用中，该数据集是法国医疗从业者、药企研发部门及公共卫生机构不可或缺的参考工具。它支持开发智能处方辅助系统，可在临床决策时自动呈现药品的适应症、禁忌症及替代方案。此外，数据集中的病理关联表格被用于构建用药合理性审核引擎，帮助识别超说明书用药或潜在的药物相互作用风险。在公共健康领域，该数据被整合进国家药物警戒平台，用于监测上市后药品的安全信号。同时，其开放的CSV与Parquet格式使其易于集成到医疗信息系统（HIS）和数据分析流水线中，支持大规模药物利用研究、药品供应链优化及基层医疗的用药质量评估。

数据集最近研究

最新研究方向

基于法国公开药品数据库的iDoc Santé挑战赛所催生的这一数据集，正成为药物流行病学与医疗健康数据科学交叉领域的关键资源。当前前沿研究方向聚焦于利用结构化与非结构化数据（如药品特性摘要的HTML内容）构建药物-疾病知识图谱，以支持自动化药物警戒与精准医疗决策。该数据集通过整合官方药品注册信息与病理关联表，为研究药物滥用监测、罕见病用药挖掘及处方合理性评估提供了高质量的数据基础。伴随法国健康数据枢纽（Health Data Hub）推动的开放科学运动，此数据集在促进跨国药品安全比较研究、算法化药品评估流程以及患者路径优化等方面展现出深远影响，标志着从静态药品目录向动态智能健康数据生态系统的重要转型。