Antibiotic Resistance Microbiology Dataset (ARMD)

ARMD是一个去识别的资源，来源于电子健康记录（EHR），旨在促进抗微生物耐药性研究。该数据集包含成人的微生物培养、抗生素敏感性以及相关的临床和人口统计特征。数据集支持对抗微生物管理、因果推断和临床决策的研究，设计上具备可重用性和互操作性，以促进合作和创新。ARMD跨越多年，涵盖多样的患者人群，整合了微生物、临床和患者级别的数据，为研究抗微生物耐药性模式提供了全面的资源。

ARMD is a de-identified resource derived from electronic health records (EHR), designed to advance research on antimicrobial resistance. This dataset contains microbial cultures, antibiotic susceptibility tests, and associated clinical and demographic characteristics for adult patients. It supports research on antimicrobial stewardship, causal inference, and clinical decision-making, and is engineered to be reusable and interoperable to facilitate collaboration and innovation. Spanning multiple years and encompassing a diverse patient population, ARMD integrates microbial, clinical, and patient-level data, providing a comprehensive resource for studying patterns of antimicrobial resistance.

搜集汇总

数据集介绍

构建方式

Antibiotic Resistance Microbiology Dataset (ARMD) 是通过从斯坦福健康护理的电子健康记录 (EHR) 中提取去标识化的数据构建而成的。该数据集整合了微生物学实验室结果、人口统计数据、临床 encounter、抗生素暴露和社会经济指标，以支持对抗菌素耐药性模式的研究。

使用方法

使用 ARMD 数据集时，研究人员可以分析抗微生物耐药性的趋势，识别风险因素，并开发预测模型来优化经验性抗生素选择。数据集通过 Dryad 公开提供，支持多种数据分析工具的使用，并且提供了详细的文档和指导，以帮助研究人员正确使用数据集。

背景与挑战

背景概述

Antibiotic Resistance Microbiology Dataset (ARMD)是由斯坦福大学生物医学信息研究所主导创建的，旨在促进抗微生物耐药性研究的匿名化电子健康记录资源。该数据集聚焦于成人患者的微生物培养、抗生素敏感性以及相关的临床和人口统计特征，为研究抗微生物耐药性模式提供了全面的纵向数据。ARMD的构建始于对斯坦福健康护理系统中电子健康记录的深入分析，汇集了多年的微生物学实验室结果、患者人口统计和临床遭遇等信息，以支持对抗微生物耐药性的深入研究。该数据集的核心研究人员包括Fateme Nateghi Haredasht、Fatemeh Amrollahi等，并由多个医学和科研机构共同参与。

当前挑战

ARMD的构建过程中，研究人员面临了多重挑战。首先，数据集的多样性和复杂性要求在数据采集、处理和转换过程中采取严格的方法，以确保数据的质量和可解释性。其次，为了遵守隐私法规，数据集进行了严格的去标识处理，包括应用Safe Harbor方法和TiDE算法对临床文本进行匿名化。此外，数据集的构建还需考虑到数据的不一致性、缺失值处理以及确保数据的时序关系，以支持纵向分析。在研究领域问题上，ARMD解决了抗微生物耐药性研究中对抗生素敏感性模式理解的需求，但同时也面临着如何准确反映耐药性发展趋势和个体患者特征的挑战。

常用场景

经典使用场景

Antibiotic Resistance Microbiology Dataset (ARMD) 具有丰富的微生物培养、抗生素敏感性和患者临床及人口统计信息，经典使用场景包括监测抗生素耐药性趋势、识别耐药风险因素、发展预测模型以指导经验性抗生素选择等。

解决学术问题

该数据集解决了如何利用电子健康记录数据研究抗生素耐药性模式的难题，为理解耐药机制、评估临床实践和制定基于证据的抗生素管理建议提供了坚实基础。

实际应用

在实际应用中，ARMD 可用于指导医院内的抗生素管理计划，帮助制定公共卫生策略以减缓耐药性的传播，并对感染控制和患者护理产生重要影响。

数据集最近研究

最新研究方向

Antibiotic Resistance Microbiology Dataset (ARMD)作为来自电子健康记录的去识别资源，为研究抗微生物耐药性提供了丰富的数据支持。该数据集整合了微生物培养、抗生素敏感性以及相关的临床和人口统计特征，使得研究可以在抗生素管理、因果推断和临床决策制定等方面开展。近期研究方向重点关注了AMR趋势分析、预测模型的开发以及影响耐药性模式的临床和环境因素。ARMD的发布旨在促进合作和创新，以应对这一紧迫的公共卫生威胁。

相关研究论文

• Antibiotic Resistance Microbiology Dataset (ARMD): A De-identified Resource for Studying Antimicrobial Resistance Using Electronic Health Records

  斯坦福大学 · 2025年