真实世界数据研究专区 · 器官系统与疾病
医疗安全边界
临床概述
医疗安全涉及用药错误、诊断差错、院内感染、跌倒与患者隐私保护。不良事件的报告、分析与改进,是安全管理的基本循环。临床决策支持工具上线前,需要评估错误建议可能造成的伤害。去标识化与访问控制用于保护患者信息。
数据集概述
医疗安全边界下的 2 个数据集都服务于病历去标识。去标识护理记录金标准语料来自真实 ICU 护理记录,三名以上专家逐份标出了隐私信息。MIMIC-IV 出院小结姓名去标识标注数据集用模板填入不同人群的姓名,可检验识别率是否因人群而异。两份都基于美国医院的文书;用药错误、诊断差错与跌倒等不良事件,这一部分还没有数据。
隐私与去标识
| 数据集 | 规则层 | 归属 |
|---|---|---|
| MIMIC-IV 出院小结姓名去标识标注数据集 | 3.0 | 主 |
| 去标识护理记录金标准语料(Deidentified Medical Text) | 1.0、3.0 | 主 |
数巨有谱相关数据产品
与这一系统的研究对象、记录形态或工作场景相关的数据产品。
医疗咨询安全边界规则库
医疗咨询中需拒答、转诊或提示风险的情形规则集,按用药、诊断、急症等场景分类。
红旗症状预警规则库与案例集
常见主诉的危急信号判定规则,与配套测试病例逐条对应。
医疗安全与人群差异评价集
高风险情境和对照情境成对出现,只改动会影响判断的条件。必要处置、禁止行为和人群分层分开记录。
医疗隐私、 公平性与稳健性评测数据
基础案例与仅改变目标条件的对照案例成对运行。保留隐私、公平性与稳健性要求,逐项比较模型在条件变化前后的行为。
医学伦理与政策合规评测集
依据医学伦理与卫生政策条文编制的判定题集。
临床文本去标识化数据
去标识化需要移除身份信息,同时保持文本与原有标注的对应。记录替换类别及前后位置,让处理后的材料能够继续用于训练。
临床难例与边界场景数据
同一临床情境在边界条件改变后,合理行动也可能变化。将两种情境、期望行动与禁止行为对应,检查模型能否识别关键条件。
审校:数巨有谱真实数据研究团队|编辑:数巨有谱AI团队|更新日期:2026-10-25