PMC-Patients
收藏资源简介：
PMC-Patients是一个开创性的数据集，包含从PubMed Central（PMC）病例报告中提取的167k患者摘要，以及3.1M的患者-文章相关性和293k的患者-患者相似性注释。该数据集支持患者-文章检索（PAR）和患者-患者检索（PPR）任务，数据集语言为英语，文件格式为CSV，包含患者ID、唯一ID、源文章的PMID、文件路径、标题、患者摘要、年龄、性别、相关文章和相似患者等信息。
PMC-Patients is a pioneering dataset that contains 167k patient summaries extracted from case reports in PubMed Central (PMC), alongside 3.1M patient-article relevance annotations and 293k patient-patient similarity annotations. This dataset supports two core tasks: patient-article retrieval (PAR) and patient-patient retrieval (PPR). The dataset is compiled in English, with the file format being CSV. It includes information such as patient ID, unique ID, PMID of the source article, file path, title, patient summary, age, gender, relevant articles, and similar patients.
PMC-Patients 数据集概述
数据集描述
- 数据集名称: PMC-Patients
- 数据集类型: 患者摘要数据集
- 数据来源: PubMed Central (PMC) 中的病例报告
- 数据规模: 包含167,000个患者摘要，310万条患者-文章关联标注，293,000条患者-患者相似性标注
- 语言: 英语 (en)
- 许可证: CC BY-NC-SA 4.0
数据集结构
PMC-Patients.csv
该文件包含PMC-Patients数据集中所有患者摘要的信息，具体字段如下：
patient_id: 字符串类型，患者的连续ID，从0开始。patient_uid: 字符串类型，每个患者的唯一ID，格式为PMID-x，其中PMID是患者来源文章的PubMed标识符，x表示患者在来源文章中的索引。PMID: 字符串类型，来源文章的PMID。file_path: 字符串类型，来源文章的XML文件路径。title: 字符串类型，来源文章的标题。patient: 字符串类型，患者摘要。age: 列表类型，每个条目为(value, unit)格式，其中value为浮点数，unit为年龄单位（year, month, week, day, hour）。例如，[[1.0, year], [2.0, month]]表示患者为1岁2个月大的婴儿。gender: 字符串类型，M表示男性，F表示女性。relevant_articles: 字典类型，键为相关文章的PMID，值为其相关性得分（2或1，定义见“方法”部分）。similar_patients: 字典类型，键为相似患者的patient_uid，值为其相似性得分（2或1，定义见“方法”部分）。
支持的任务和排行榜
- 任务: 基于PMC-Patients数据集，定义了两个任务来评估基于检索的临床决策支持系统（ReCDS）：患者-文章检索（PAR）和患者-患者检索（PPR）。
- 排行榜: 请参考排行榜。
引用信息
如果PMC-Patients数据集对你的研究有帮助，请引用以下文献：
@article{zhao2023large, title={A large-scale dataset of patient summaries for retrieval-based clinical decision support systems}, author={Zhao, Zhengyun and Jin, Qiao and Chen, Fangyuan and Peng, Tuorui and Yu, Sheng}, journal={Scientific Data}, volume={10}, number={1}, pages={909}, year={2023}, publisher={Nature Publishing Group UK London} }
