asus-aics/psytar

PsyTAR（Psychiatric Treatment Adverse Reactions）数据集包含了891条患者发布于askapatient.com的药物评论，主要涉及Zoloft、Lexapro、Cymbalta和Effexor XR等药物的有效性和不良反应。该数据集可用于（多标签）句子分类，包括药物不良反应（ADR）、戒断症状（WDs）、体征/症状/疾病（SSIs）、药物适应症（DIs）、药物有效性（EF）、药物无效性（INF）以及其他类别，同时也可用于识别5种不同类型的命名实体（类别包括ADRs、WDs、SSIs和DIs）。

PsyTAR (Psychiatric Treatment Adverse Reactions) dataset contains 891 medication reviews posted by patients on askapatient.com, mainly focusing on the efficacy and adverse reactions of medications including Zoloft, Lexapro, Cymbalta and Effexor XR. This dataset can be applied to (multi-label) sentence classification tasks, covering categories such as adverse drug reactions (ADRs), withdrawal symptoms (WDs), signs/symptoms/illnesses (SSIs), drug indications (DIs), drug efficacy (EF), drug ineffectiveness (INF) and other categories. It can also be used to identify 5 distinct types of named entities, with the categories including ADRs, WDs, SSIs and DIs.

原始信息汇总

数据集概述

数据集描述

• 名称: PsyTAR
• 语言: 英语
• 许可: CC BY 4.0
• 多语言性: 单语种
• 任务类型: 命名实体识别、文本分类
• 主页: https://www.askapatient.com/research/pharmacovigilance/corpus-ades-psychiatric-medications.asp
• 是否公开: 否
• 是否在PubMed上: 否

PsyTAR数据集包含891条患者在"askapatient.com"上发布的关于Zoloft、Lexapro、Cymbalta和Effexor XR的药物评论，涉及药物的有效性和不良药物事件。

该数据集可用于不良药物反应（ADR）、戒断症状（WDs）、症状/疾病（SSIs）、药物适应症（DIs）、药物有效性（EF）、药物感染性（INF）和其他方面的多标签句子分类，以及识别五种不同类型的命名实体（在ADRs、WDs、SSIs和DIs类别中）。

引用信息

@article{Zolnoori2019, author = {Maryam Zolnoori and Kin Wah Fung and Timothy B. Patrick and Paul Fontelo and Hadi Kharrazi and Anthony Faiola and Yi Shuan Shirley Wu and Christina E. Eldredge and Jake Luo and Mike Conway and Jiaxi Zhu and Soo Kyung Park and Kelly Xu and Hamideh Moayyed and Somaieh Goudarzvand}, title = {A systematic approach for developing a corpus of patient reported adverse drug events: A case study for {SSRI} and {SNRI} medications}, journal = {Journal of Biomedical Informatics}, volume = {90}, year = {2019}, url = {https://doi.org/10.1016/j.jbi.2018.12.005}, doi = {10.1016/j.jbi.2018.12.005}, }

搜集汇总

数据集介绍

构建方式

PsyTAR数据集的构建，源于对891份患者发表于askapatient.com的药物评论进行整理。这些评论涉及Zoloft、Lexapro、Cymbalta和Effexor XR四种药物的有效性及不良反应事件。构建过程中，数据集被设计用于多标签句子分类，以及命名实体的识别。数据集的构建遵循严格的分类标注流程，确保了数据的准确性与可用性。

特点

该数据集的一大特点是包含了丰富的药物相关评论信息，涉及不良反应、撤药症状、体征/症状/疾病、药物适应症、药物有效性等多个维度。此外，它提供了五种不同类型的命名实体识别，包括不良反应、撤药症状、体征/症状/疾病和药物适应症。其独到的数据标注使得数据集在药物安全性监测和自然语言处理领域具有重要研究价值。

使用方法

使用PsyTAR数据集时，用户可以通过其提供的药物评论进行文本分类和命名实体识别任务。数据集的利用需要用户对相关领域的任务有一定的了解，例如多标签分类和实体识别。数据集的获取和使用需遵守相应的许可协议，用户可通过指定的格式和接口对数据集进行集成和应用，以开展进一步的学术研究或产品开发。

背景与挑战

背景概述

PsyTAR数据集，全称为'Psychiatric Treatment Adverse Reactions'，是由Maryam Zolnoori等研究人员于2019年在Journal of Biomedical Informatics期刊上发表的一篇论文'A systematic approach for developing a corpus of patient reported adverse drug events: A case study for SSRI and SNRI medications'中提出的。该数据集汇集了891条患者在网上平台askapatient.com上发表的药物评论，涉及Zoloft、Lexapro、Cymbalta和Effexor XR等精神科药物。其旨在为药物不良反应、撤药症状、体征/症状/疾病、药物适应症、药物有效性等多标签文本分类以及命名实体识别任务提供支持。该数据集对药物安全性监测、患者报告结果的利用等领域产生了重要影响。

当前挑战

PsyTAR数据集在构建过程中所面临的挑战主要包括数据的多样性和标注复杂性。数据集涉及多种药物及不良反应，标注时需准确识别各类命名实体和分类标签，这要求高精确度的标注质量。此外，由于患者报告的主观性，数据中的噪声和不一致性对模型的训练和评估构成了挑战。在研究领域问题方面，数据集需解决如何准确提取和分类患者报告中的关键药物安全信息的问题，这对于构建高效、可靠的患者报告药物安全监测系统至关重要。

常用场景

经典使用场景

在自然语言处理领域中，PsyTAR数据集以其独特的药物评价和不良反应报告而备受关注。该数据集的经典使用场景在于对药物不良反应（ADR）进行句子级的多标签分类，以及对ADR、撤药症状（WDs）、体征/症状/疾病（SSIs）、药物适应症（DIs）、药物有效性（EF）和药物传染性（INF）等实体的识别。通过这些任务，研究者和开发人员能够构建模型，以自动化方式处理和理解患者报告的药物相关数据。

衍生相关工作

基于PsyTAR数据集的研究成果已经催生了一系列相关的经典工作，如构建用于自动提取患者报告的不良反应信息的机器学习模型，开发用于药物安全性评估的自然语言处理工具，以及进行药物不良反应趋势的预测分析等。这些工作进一步拓展了数据集的应用范围，为药物安全研究和医疗健康信息学的发展奠定了基础。

数据集最近研究

最新研究方向

在药物安全监测领域，'Psychiatric Treatment Adverse Reactions'（PsyTAR）数据集因其涵盖了患者报告的药物不良反应实例而备受关注。近期研究主要聚焦于利用该数据集进行命名实体识别和句子级别的多标签分类任务，旨在提升对精神类药物不良反应的监测能力。通过PsyTAR数据集，研究者能够深入探索患者用药后的不良反应报告，这对于改进药物警戒系统的准确性和效率具有显著意义，同时也为精神类药物的合理使用和风险管理提供了重要支撑。