EHR-ReasonCon 临床笔记与结构化表一致性验证数据集

这份数据由韩国科学技术院（KAIST）等机构的作者整理，托管于 PhysioNet。作者在 105 份 MIMIC-III 成人 ICU 临床笔记上标注了 8,042 个锚定实体。笔记包括出院小结 38 份、医生记录 33 份、护理记录 34 份。每个实体都对照 14 张 MIMIC-III 结构化表，判定为一致 5,847 个、不一致 2,195 个。

病历里的文字记录与结构化记录常有出入，例如检验值或记录时间写得不一样。这份数据可用于研究病历文本与结构化数据之间的一致性。它也可用于检验自动检查病历质量的方法。

它属于 1.0 临床真实一层，笔记与表格都来自真实 ICU 住院。八名受训标注者按四名临床专家参与制定的规程逐个判定，疑难交医生判断，能学到 3.0 专家判断。模型能从中学习在笔记与多张表之间来回查证，判断一个数值或事件有没有记录支持。实体识别与一致性标签的标注者间一致性分别为 0.897 与 0.888，数据按 4:1 分为测试集与验证集，未附评分脚本。规模只有 105 份笔记，只覆盖成人 ICU 记录。

项目	内容
规模	105 份临床笔记、8,042 个锚定实体
记录来源	诊疗过程
记录单位	临床笔记与实体
时间轴	单次，每份笔记对应一次住院
结局	无结局字段，只有实体级一致性标签
专家标注	有，八名受训标注者按临床专家参与的规程双人标注
任务环境	有，测试集与验证集按 4:1 划分，未给评分脚本

表：EHRReasonCon_{hadm_id}_data.json。

字段	含义	类型或取值
data	笔记中提取的取值及其对应的表项与列	对象，如 {'labevents': {'valuenum': '1.4'}}
label	实体的一致性标签	consistent／inconsistent
entity_type	核验类型	1 数值，2 可核实事件，3 字符串或分类值
position	实体在笔记中的行号	整数
table	作为证据的主要结构化表	表名，如 chartevents
evidence_row_ids	作为证据的表记录 ROW_ID	列表
inconsistent_columns	不一致实体出现差异的列	如 charttime、valuenum
almost_consistent	两边取值是否仅有可忽略差异	Yes／No

表：EHRReasonCon_{hadm_id}_data.json。

合成样例，非真实记录。

一致性标签	核验类型	笔记中行号	证据表	不一致的列	是否仅有可忽略差异
consistent	1	14	labevents	—	No
inconsistent	1	27	chartevents	valuenum	Yes
inconsistent	2	41	prescriptions	startdate	No

项目	内容
许可	PhysioNet Credentialed Health Data License 1.5.0
商用	未列明
申请	须通过凭证审核、完成 CITI 培训并签数据使用协议
中国可用性	须个人通过凭证审核并签协议，未列明国别限制

项目	内容
维护方口径	每份笔记两人独立标注，疑难交医生判断。实体识别一致性 0.897，标签一致性 0.888
已知局限	局限于成人 ICU 记录，仅 105 份笔记。官方建议用语义级而非精确字符串匹配评测

• 医疗工作流程　›　病历文本标注与抽取

https://physionet.org/content/ehr-reasoncon/1.0.0/；https://physionet.org/about/faqs/；https://physionet.org/content/ehr-reasoncon/view-license/1.0.0/。