CT-EBM-SP - Corpus of Clinical Trials for Evidence-Based-Medicine in Spanish (version 3)
收藏资源简介：
A collection of 1200 texts (292173 tokens) about clinical trials studies and clinical trials announcements in Spanish: - 500 abstracts from journals published under a Creative Commons license, e.g. available in PubMed or the Scientific Electronic Library Online (SciELO).- 700 clinical trials announcements published in the European Clinical Trials Register and Repositorio Español de Estudios Clínicos. Texts were annotated with the following entities types: - Semantic groups from the Unified Medical Language System: ANAT, CHEM, DEVI, DISO, LIVB, PHYS and PROC.- Medical drug information: Contraindicated, Dose_or_Strength, Form, and Route_or_Mode_of_administration.- Temporal expressions: Age, Date, Duration_or_Interval, Frequency and Time.- Miscellaneous medical entities: Concept, Food_or_Drink, Observation_or_Finding, Quantifier_or_Qualifier, and Result_or_Value.- Negation/Speculation: Neg_cue, Negated, Spec_cue and Speculated.- Attributes of temporality (Future, Family_history_of, and History_of), experiencer (Patient, Family_member and Other) and other information (Hypothetical). In addition, the following semantic relationships were annotated: - Intervention-related relations: • Has_Dose_or_Strength • Has_Drug_Form • Has_Route_or_Mode • Combined_with • Used_for • Has_Result_or_Value- Temporal relations: • Before • After • Overlap • Has_Age • Has_Frequency • Has_Duration_or_Interval- Event-related relations: • Causes • Experiences • Has_Quantifier_or_Qualifier • Location_of- Assertion relations: • Negation • Speculation 81.75% of the total entities were normalized to Unified Medical Language System (UMLS) Concept Unique Identifiers (CUIs). This is the final version with the corrections made after each file was reviewed by a a second reviewer. Two annotators reviewed each corpus file. Relation extraction Python code is available at the companion GitHub repository: https://github.com/lcampillos/ct-ebm-sp-v3
本数据集包含1200篇西班牙语文本（共计292173个Token），内容围绕临床试验研究与临床试验公告展开： - 500篇来自采用知识共享（Creative Commons）许可的期刊摘要，可于PubMed或西班牙科学电子图书馆（SciELO）获取。 - 700篇临床试验公告，发布于欧洲临床试验注册库（European Clinical Trials Register）与西班牙临床试验资料库（Repositorio Español de Estudios Clínicos）。 文本已针对以下实体类型完成标注： 1. 统一医学语言系统（Unified Medical Language System, UMLS）语义组：解剖结构（ANAT）、化学物质（CHEM）、异常表现（DEVI）、疾病（DISO）、活体生物（LIVB）、物理实体（PHYS）与操作过程（PROC）。 2. 医疗药物信息：禁忌证（Contraindicated）、剂量或浓度（Dose_or_Strength）、剂型（Form）、给药途径（Route_or_Mode_of_administration）。 3. 时间表达式：年龄（Age）、日期（Date）、持续时间或间隔（Duration_or_Interval）、频率（Frequency）与时刻（Time）。 4. 其他医疗实体：医学概念（Concept）、食物或饮品（Food_or_Drink）、观察或发现（Observation_or_Finding）、限定词或修饰语（Quantifier_or_Qualifier）与结果或数值（Result_or_Value）。 5. 否定与推测：否定提示词（Neg_cue）、被否定实体（Negated）、推测提示词（Spec_cue）与被推测实体（Speculated）。 6. 时态属性（未来、家族病史、既往病史）、体验者（患者、家族成员、其他）及其他信息（假设性）。 此外，数据集还标注了以下语义关系： - 干预相关关系： • Has_Dose_or_Strength（具有剂量或浓度） • Has_Drug_Form（具有剂型） • Has_Route_or_Mode（具有给药途径） • Combined_with（联合使用） • Used_for（用于治疗） • Has_Result_or_Value（具有结果或数值） - 时间相关关系： • Before（早于） • After（晚于） • Overlap（重叠） • Has_Age（对应年龄） • Has_Frequency（对应频率） • Has_Duration_or_Interval（对应持续时间或间隔） - 事件相关关系： • Causes（导致） • Experiences（经历） • Has_Quantifier_or_Qualifier（具有限定词或修饰语） • Location_of（所在位置） - 断言关系： • Negation（否定） • Speculation（推测） 总实体中81.75%已归一化至统一医学语言系统（UMLS）概念唯一标识符（Concept Unique Identifiers, CUIs）。 本版本为最终定稿，已完成每篇文件经第二位审核人员复核后的修正工作。 每份语料库文件均经过两名标注人员审核。 关系抽取的Python代码可从配套GitHub仓库获取：https://github.com/lcampillos/ct-ebm-sp-v3
