somosnlp-hackathon-2023/DiagTrast

该数据集是通过使用ChatGPT-4生成的，基于《精神障碍诊断与统计手册（DSM-5）》中描述的一些精神障碍的特征。数据集包含五个精神障碍的描述，每个描述包括症状、疾病名称、疾病类别编号以及清理后的症状文本。数据集主要用于文本分类任务，特别是精神障碍的分类。数据集的创建旨在帮助减少精神障碍的诊断时间，并增加能够被诊断和治疗的患者数量。

原始信息汇总

数据集概述

数据集名称

• 名称: DiagTrast

数据集特征

• 特征:
  • Sintoma: 字符串类型，描述患者症状的段落。
  • Padecimiento: 字符串类型，根据DSM-5指示的疾病名称。
  • Padecimiento_cat: 整数类型，用于文本分类模型的标签。
  • Sintoma_limpia: 字符串类型，Sintoma字段的清洁文本。

数据集任务

• 任务: 文本分类
• 应用: 情感分析、自然语言推理、语法正确性评估

数据集语言

• 语言: 西班牙语

数据集大小

• 大小: 1K<n<10K

数据集许可

• 许可: MIT

数据集标签

• 标签: 心理、医疗、障碍

数据集内容

• 内容: 包含描述心理障碍症状的声明，涉及的心理障碍包括自恋型人格障碍、戏剧型人格障碍、边缘型人格障碍、反社会型人格障碍和类精神分裂型人格障碍。

数据集结构

• 实例结构: 每个实例包含症状描述、疾病名称、疾病序号和清洁文本。
• 数据分割: 未分割，包含单一数据集，具体分布如下：
  • 自恋型人格障碍: 250条记录
  • 戏剧型人格障碍: 250条记录
  • 边缘型人格障碍: 358条记录
  • 反社会型人格障碍: 250条记录
  • 类精神分裂型人格障碍: 225条记录

数据集创建

• 生成方式: 使用ChatGPT-4基于DSM-5描述的特征生成声明。
• 数据验证: 确保声明不包含疾病名称，长度适中，且包含指定特征。

使用考虑

• 社会影响: 有助于减少心理障碍诊断时间，增加患者治疗机会，但需谨慎使用以避免误导。
• 偏差讨论: 数据为人工生成，可能与实际专业人士生成的输入不同，已通过验证和反馈优化数据生成过程。
• 其他限制: 仅包含DSM-5中描述的5种障碍。