MIMIC-III 病历表型标注数据集

数据集在 MIMIC-III 的出院小结与护理病程记录上加了患者表型标注。标注对象以一年内多次入住 ICU 的频繁再入院患者为主。语料包括 1,102 份出院小结和 1,000 份护理病程记录，均为英语。每份笔记标注 13 个表型，连同“None”“Unsure”共 15 个二值标签。

晚期心脏病、酒精滥用、抑郁、治疗不依从等表型，被认为与 ICU 反复入院有关。这份数据可用于研究从病历文本识别这些表型的方法。它也可用于研究表型与再入院风险之间的关系。

它的文本来自真实临床笔记，属于 1.0 临床真实一层。每份笔记由临床研究员与住院医师两人独立双份标注，不确定时请高年资医生裁定。这些标签对应医生对病情的判读，模型能学到 3.0 专家判断。各表型阳性率不均衡，部分表型的标注一致性较低。人群集中在频繁再入院者，用于一般住院人群前要另做验证。数据没有固定划分与评测脚本。

项目	内容
规模	1,102 份出院小结、1,000 份护理病程记录，13 个表型
记录语言	英语
记录来源	诊疗过程
记录单位	单份临床笔记
结局	无结局字段，只有笔记级表型标签
专家标注	有，临床研究员与住院医师两人一组独立双份标注 13 个表型
任务环境	未列明，未给划分或评测脚本

字段	含义	类型或取值
SUBJECT_ID	源自 MIMIC-III 的患者标识	integer
HADM_ID	住院标识	integer
ROW_ID	MIMIC-III v1.4 NOTEEVENTS 表的行索引	integer
Advanced Cancer	高死亡率癌症表型	binary
Dementia	文中提及阿尔茨海默病等痴呆	binary
None	标注者未见任何表型迹象	binary
Unsure	标注者对表型判断存疑	binary
Operator	标注者	string

表：表型标注表（每行一份笔记）。

合成样例，非真实记录。

患者编号	住院编号	笔记行号	晚期心脏病	晚期肺病	酒精滥用	痴呆	抑郁	无表型	不确定
10001	100001	1000001	1	0	0	0	0	0	0
10001	100001	1000002	1	0	0	0	1	0	0
10002	100002	1000003	0	0	0	0	0	1	0

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	未写国别限制，个人须过凭证审核，不得共享访问

项目	内容
维护方口径	两人组独立双份标注，不确定时请高年资医生裁定。原始论文报告各表型 Cohen’s κ 为 0.71 至 0.95
已知局限	样本聚焦 ICU 频繁再入院患者，人群有选择性。各表型阳性率不均衡，部分表型一致性较低

• 医疗工作流程　›　病历文本标注与抽取

https://physionet.org/content/phenotype-annotations-mimic/1.20.3/；https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0192360；https://aclanthology.org/2020.lrec-1.170/；https://physionet.org/about/faqs/；https://physionet.org/content/phenotype-annotations-mimic/view-license/1.20.3/。