在datathon,团队将获得3种确定的电子病历数据集。团队可以选择使用这些数据集中的一个或全部来回答他们的临床问题 所用临床数据分别选自
(1) MIT的多参数重症监护数据库 (MIMIC) (2)Philips的eICU合作研究数据库 (3)急性肾损伤早期预测预警数据集 (4)智慧病房连续生命体征数据库 MIMIC Database Introduction & Documentation: https://mimic.physionet.org/about/mimic/ Github repository: https://github.com/MIT-LCP/mimic-code Data extraction tutorial: https://github.com/MIT-LCP/mimic-code/blob/master/tutorials/cohort-selection.ipynb eICU Dataset Introduction & Documentation: https://eicu-crd.mit.edu/about/eicu/ Github repository: https://github.com/mit-eicu/eicu-code Data extraction tutorial: https://github.com/MIT-LCP/eicu-code/blob/master/concepts/icustay_detail.sql ![]()
MIMIC 数据库建立于2003年10月,是麻省理工、飞利浦医疗系统以及BIDMC贝斯以色列女执事医学中心的合作的NIH资助项目。它是一个公开的、大型、重症监护数据库,目前最新版本是MIMIC III,包含BIDMC贝斯以色列女执事医学中心2001年至2012年的6万多例ICU住院记录,包含详细的生理、生化、用药、治疗干预、医嘱、出入院记录等信息,可以支持研究人员进行大量的临床研究。 详情介绍见:https://mimic.physionet.org/ ![]()
eICU数据库是飞利浦与麻省理工学院合作项目。该数据库的数据来源于飞利浦的eICU远程医疗项目,包含超过20万ICU患者数据,并已经完成去识别化。此数据库可于Physionet上访问。有关数据库的详细介绍见:
急性肾损伤早期预测预警数据集 该数据集由解放军总医院数据团队和MIT计算生理学实验室团队联手打造,该数据集为大样本、多中心的研究数据集,经过初步清洗和整理。其中包含了患者丰富的诊疗信息,如人口统计学、生命体征、实验室检查、治疗干预、疾病史、临床评分、标签(发生时间和疾病分期)等。 包括两个目标:使用患者进入ICU前48小时的多维度临床测量信息对AKI进行早期监测(分类任务);基于多维度的时间序列,提前24小时对AKI发生进行早期预测(预测任务)。我们要求参赛者能够利用所提供的多中心数据集,设计和开发一种实用、开源、健壮的算法。该算法具备自动及早识别具有发展为AKI潜在风险的患者,并给出每小时发生AKI的风险。算法的性能将采用AUC、PR、敏感性、特异性、准确性和F1值进行评估。 |