TREC 2021 临床试验检索赛道数据

这套数据来自美国国家标准与技术研究院（NIST）主办的 TREC 2021 临床试验赛道。文档集是 ClinicalTrials.gov 在 2021-04-27 的快照，以 XML 格式分 5 个压缩包发布。查询主题是受过医学训练者编写的合成病例，形式为一段入院记录。相关性判定由俄勒冈健康与科学大学医学信息学系完成，分为符合、被排除与不相关三档。

多数临床试验招募不到预定数量的受试者。这份数据把患者与试验的匹配写成检索问题。它可用于评价系统能否按入选与排除标准，为患者找到合适的试验。三档判定把“信息不足”与“明确被排除”分开，便于分析系统在排除标准上的错误。

主题病例由医学人员编写，相关性由受过医学信息学训练的医生逐条判定，能学到 3.0 专家判断。赛道按标准 TREC 检索流程评测，以 NDCG 计分并发布判定文件，能学到 4.0 任务环境。模型可以学习对照病例描述与试验的入选、排除标准，判断患者是否符合入组条件。主题都是合成病例，只有自由文本，不含结构化病历数据。赛道没有训练划分，数据许可条款未列明。

项目	内容
规模	ClinicalTrials.gov 2021-04-27 快照，分 5 个压缩包
记录语言	英语
记录来源	合成数据、其他来源
记录单位	合成病例与试验登记文本
时间轴	不适用，无真实个体记录
结局	不适用，无真实个体记录
专家标注	有，受过医学信息学训练的医生逐条判定相关性
任务环境	有，NDCG 判分与官方 qrels，未设训练划分

表：qrels2021.txt。

合成样例，非真实记录。

主题编号	固定常量	试验登记号	判定（0 不相关、1 被排除、2 符合）
1	0	—	2
2	0	—	1
3	0	—	0

项目	内容
商用	未列明
申请	公开下载

项目	内容
维护方口径	汇集结果由受过医学信息学训练的医生判定为符合、排除或不相关。以 NDCG 评测
已知局限	主题只含病历自由文本描述，不含结构化 EHR 数据

• 特殊话题　›　临床试验数据

https://trec.nist.gov/data/trials2021.html；https://trec-cds.org/2021.html。