MIMIC-III 美国国立卫生研究院卒中量表（NIHSS）标注数据集

数据集由中国医学科学院医学信息研究所与北京协和医学院的作者构建。它标注了 MIMIC-III 卒中患者出院小结中的 NIHSS 条目与分值。语料含 312 名卒中患者的 312 份出院小结，共 7,848 句。标注出 2,929 个 NIHSS 条目、2,774 个分值和 2,733 个条目—分值关系，训练集 220 份，测试集 92 份。

NIHSS 是评估卒中神经功能缺损的常用量表，但病历里常以自由文本记录，写法不统一。这份数据可用于研究从出院小结中自动抽取量表条目与分值。抽取结果可用于回顾性研究中的卒中严重程度分层。

它的文本来自真实出院小结，属于 1.0 临床真实一层。条目与分值按 NIHSS 量表的固定结构标注，模型能学到 2.0 规则语义。两名医学信息学背景的标注者独立标注，分歧由第三方裁定，一致性 κ 为 0.901。模型由此能学到 3.0 专家判断。数据只覆盖 ICD-9 430—436 的卒中类型，来自单中心 ICU，312 份小结的样本量较小。

项目	内容
规模	312 份出院小结、7,848 句、2,929 个 NIHSS 条目
记录语言	英语
记录来源	诊疗过程
记录单位	一份出院小结
时间轴	单次，每份出院小结对应一次住院
结局	无结局字段
专家标注	有，两名医学信息学背景标注者标注，分歧由第三方裁定，κ＝0.901
任务环境	有，固定划分训练集 220 份、测试集 92 份

表：NER_RE_Train.txt／NER_RE_Test.txt。

字段	含义	类型或取值
HADM_ID	MIMIC-III 的 6 位住院编号，每份出院小结各不相同	6 位数字（页面范例以 xxxxxx 遮蔽）
Token	出院小结自由文本切分出的词列表	列表，如 ['for','NIHSS','of','22',…]
Tags	逐词标注的 BIO 标签	列表，如 ['O','B-NIHSS','O','B-Measurement',…]
Relations	实体间关系，含关系序号与关系类型	元组列表，如 ('T1','T2','R1','Has_Value')
Entities	标注者识别的 NIHSS 实体及其在词表中的位置	元组列表，如 ('T1','NIHSS',9,9)
Code	按词表位置标出实体序号	列表，非实体记 '0'

表：NER_RE_Train.txt（项目页数据样例）。

词	BIO 标签	实体序号
NIHSS	B-NIHSS	T1
of	O	0
22	B-Measurement	T2

项目	内容
许可	PhysioNet Credentialed Health Data License 1.5.0
商用	未列明
申请	须为 PhysioNet 凭证用户、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、提交 CITI 培训并签数据使用协议，未列明国别限制

项目	内容
维护方口径	两名标注者先独立标注同一 100 份小结并修订指南。分歧请第三方裁定，Cohen’s κ＝0.901
已知局限	仅覆盖 ICD-9 430—436 四类卒中，为单中心 ICU 人群。只标注 NIHSS 条目与分值，样本量较小

• 神经系统疾病　›　脑血管病
• 工具、量表与计算　›　临床量表
• 话题：急性缺血性脑卒中

https://physionet.org/content/stroke-scale-mimic-iii/1.0.0/；https://physionet.org/about/faqs/；https://physionet.org/content/stroke-scale-mimic-iii/view-license/1.0.0/。