信息速览
INFOBOX — BOLD 一屏速览
维度 内容 本质 源自 MIMIC-III / MIMIC-IV / eICU-CRD 三库的 SpO2–SaO2 配对联数据集（非采集新数据） 团队 MIT Critical Care / LCP 牵头，Duke + IST 里斯本 + Emory 等多机构协作 一手发布 PhysioNet v1.0，2023-11-08，DOI 10.13026/phvt-3277（Credentialed Access） 正式论文 Sci Data 2024;11:535，doi 10.1038/s41597-024-03225-z，PMID 38789452 规模 49,099 对 SpO2–SaO2 测量，44,907 名患者 分库 MIMIC-IV 4,921 对｜MIMIC-III 740 对｜eICU-CRD 43,438 对 配对门槛 SpO2 先于 SaO2 且间隔 ≤5 分钟；氧饱和度 70–100%；每次住院仅留首对 少数族裔占比 约 25%（“seldom achieved in previous studies”） 变量 人口学 + 生命体征 + 实验室 + 逐小时 SOFA + Elixhauser/Charlson + 院内死亡率 焦点 血氧仪在深肤色人群中的系统性高估 → 隐藏性低氧（hidden hypoxemia） 用途 血氧仪去偏算法（debiasing）开发与健康公平研究的分析就绪基座 获取 Credentialed Access（CITI 培训 + PhysioNet 协议）｜代码 GitHub 公开 库内互链 MIMIC-III(106)/MIMIC-IV(4)/eICU-CRD(552)、mimic-iv-ext-pe(618)、MIT Critical Datathon 2023（前身）
BOLD 是一个"把三个 ICU 数据库里两套血氧读数拧成一股"的数据集工程：脉搏血氧仪（pulse oximeter）是无创的、几乎人手一夹的常规设备，它给出的 SpO2 值却并非金标准；真正的金标准是扎动脉采血做的血气分析（SaO2）。BOLD 把 MIMIC-III、MIMIC-IV、eICU-CRD 三个重症监护电子健康记录库里"血氧仪读数和动脉血气采样在 5 分钟内同时发生"的记录逐条配对，最终得到 49,099 对数据。它之所以重要，不为规模，而在于把一个长期被忽视的问题显性化——同一台 FDA 批准的设备，对深肤色的人测得没那么准，而 BOLD 把这种偏差的研究所需的数据整理成了一张可以直接开跑的宽表。
导语读法三则：
- 只想搞清它和 MIMIC 的关系：直奔 §2 与 §9——BOLD 不是新采集，是把三个已有的 MIMIC/eICU 库"配对加工"成分析就绪表，不替代原库。
- 关心"配对数怎么来的"：直奔 §3 配对规则——5 分钟窗口、前置、70–100%、每次住院仅留首对，这四个约束决定了一切。
- 容易搞混的两个数据集：直奔 §9——BOLD ≠ MIT Critical Datathon 2023，后者只有 MIMIC-IV、81,797 对、90 分钟窗口，是 BOLD 的前身（§9 有对照表）。
§0 导读：这个数据集解决什么问题
脉搏血氧仪是现代医疗里最不起眼却最无处不在的设备之一。它靠红光与红外光穿过指尖、按血红蛋白的吸光差异推算血氧饱和度（SpO2），无创、即时、便宜。临床医生凭它决定要不要给氧、要不要加护、要不要拔管。但它的物理原理决定了它对光吸收路径上的介质极其敏感——而黑色素正是这样一种介质。2020 年 Sjoding 等人在《新英格兰医学杂志》报道了一个刺眼的结果：在血氧饱和度处于 88%–92% 这一需要警惕的区间时，黑人患者出现"血氧仪读数正常但实际血气偏低"的**隐藏性低氧（hidden hypoxemia）**的概率，是白人的约三倍。这意味着同样的读数，深肤色患者可能正在缺氧而未被察觉，随之而来的是更少的治疗与更高的死亡率。
这个问题的研究者长期面临一道墙：研究它需要数据，而数据被锁在格式各异、难以直接使用的重症监护数据库里。MIMIC-III、MIMIC-IV、eICU-CRD 都是公开可申请的重症数据库，但它们不是"分析就绪"的——要知道某个时间点病人的血氧仪读数与动脉血气如何对应，研究者得自己写 SQL 从几十张表里把 chartevents、labevents 逐条捞出、对齐时标、协调变量命名，还要处理三个库 schema 不一致的麻烦。这道墙足以劝退大多数团队。
BOLD 的回答就是把这道墙拆掉。它用一套公开、可复现的流水线，把三个库里"SpO2 与 SaO2 在 5 分钟窗口内成对出现"的记录自动配对，再把人口学、生命体征、实验室值、SOFA 评分、共病指数一并挂到每个时点上，最后横向拼接成一张统一宽表。产出是 49,099 对测量、44,907 名患者，其中约四分之一来自少数种族与族裔群体——作者强调，这个比例在以往研究中很少达到。
§0 读法三则：
- 这个条目的核心不是"又一个 MIMIC 衍生集"，而是**"配对 + 时间对齐 + 概念协调"三步法**的可复现示范——理解这三步，就理解了 BOLD 与一切"从原始 EHR 手搓 CSV"工作的区别（§3）。
- 全文数字均出自 PhysioNet v1.0 页与 Sci Data 论文；两者唯一可见出入在作者人数（9 vs 13）与发表日口径，已在 §6 与坑点存照。
- 检索时若把 BOLD 与 MIT Critical Datathon 2023 混为一谈会得出错误的规模结论（一个 49,099、一个 81,797，且窗口一个 5 分钟、一个 90 分钟）——这是本条目最强调的区分（§9、坑 1）。
§1 数据集速览：十问十答
Q1：BOLD 是什么的缩写？
官方并未把它当作缩写展开，数据集全称就是 “BOLD, a blood-gas and oximetry linked dataset”——blood-gas（动脉血气）+ oximetry（血氧）的"链接（linked）"数据集。注意别与神经影像里的 BOLD（blood-oxygen-level-dependent）信号混淆，那是 fMRI 概念，与本文无关（坑 6）。
Q2：数据从哪来？
三个公开 ICU 电子健康记录库：MIMIC-III、MIMIC-IV、eICU-CRD。前两者来自波士顿 **Beth Israel Deaconess Medical Center（BIDMC）**单中心；eICU-CRD 为美国多中心。BOLD 不采集任何新数据，只做抽取、配对、对齐、协调。
Q3：一共有多少条？
49,099 对 SpO2–SaO2 测量，代表 44,907 名患者。对数多于患者，是因为一个患者可能有多次住院，每次住院最多贡献一对。
Q4：三个库各贡献多少？
MIMIC-IV：4,921 对 / 4,778 患者；MIMIC-III：740 对 / 728 患者；eICU-CRD：43,438 对 / 39,401 患者。可见 eICU-CRD 是绝对主力，两个 MIMIC 库合计不足 12%。
Q5：一对数据要满足什么条件？
SpO2 读数必须先于 SaO2 采样、且间隔不超过 5 分钟；ABG 值不能缺失；氧饱和度须落在 70–100% 区间；并且每次住院只保留第一对（跨该次住院的所有 ICU 留观），以避免单个患者过度代表。
Q6：为什么强调"种族与族裔"？
因为血氧仪的物理原理让它对黑色素敏感，深肤色人群更易出现"读数虚高、实际缺氧"的隐藏性低氧，进而治疗不足、死亡率更高。BOLD 把种族/族裔分布做得比以往研究更均衡（少数族裔约 25%），就是为了让偏差研究有足够样本。
Q7：每行数据都带什么？
除了 SaO2、SpO2 与两者时间差（delta_spo2），还有：人口学（年龄、性别、种族族裔）、入院特征与结局（医院规模、教学状态、院内死亡率）、生命体征（vitals_ 前缀）、实验室值（cbc_/coag_/bmp_/hfp_/other_ 前缀）、逐小时 SOFA 评分（sofa_past_ 前 1 小时 / sofa_future_ 后 24 小时）、共病指数（MIMIC-III 用 Elixhauser、MIMIC-IV/eICU 用 Charlson）。
Q8：怎么拿到数据？
Credentialed Access（凭证访问）：须在 PhysioNet 完成 CITI 人类受试研究培训、签署 PhysioNet Credentialed Health Data Use Agreement v1.5.0，身份核验后下载。不是 Open Access，没有匿名直链。
Q9：代码公开吗？
公开。配对与协调脚本托管于 GitHub github.com/joamats/pulse-ox-dataset，供他人复现或改用到其他数据库。
Q10：它有官方模型或榜单吗？
没有。BOLD 本体不自带 baseline 模型或 leaderboard，它的定位是"基座"——供他人构建去偏算法、做健康公平分析。评估指标须由使用者自行定义（常见下游指标是隐藏性低氧检出与不同种族间的校准误差）。
§2 数据构成与规格：三个库、一张宽表
BOLD 的规格可以用一句话概括：它是"连接"出来的，不是"采集"出来的。要理解它的每一项字段，都得先理解它把三个来源各异的重症数据库"塞进同一张表"的过程。本节先拆来源库，再拆产出表的结构。
2.1 三个来源库（谁贡献了什么）
| 来源库 | 机构 | 时间跨度 | 贡献对数（患者） | 贡献占比 | 备注 |
|---|---|---|---|---|---|
| MIMIC-IV | BIDMC（波士顿，单中心） | 2008–2019 | 4,921（4,778） | 约 10.0% | 变量最全，含 Charlson |
| MIMIC-III | BIDMC（波士顿，单中心） | 2001–2012 | 740（728） | 约 1.5% | 用 Elixhauser 共病 |
| eICU-CRD | 美国多中心 | 约 2014–2015 | 43,438（39,401） | 约 88.5% | 规模主体，医院级变量丰富 |
三个库合计 49,099 对 / 44,907 患者。这张表本身就揭示了 BOLD 的两个结构性事实：
- 单中心主导：MIMIC-III 与 MIMIC-IV 都来自同一家医院 BIDMC，因此 BOLD 在机构多样性上其实高度依赖 eICU-CRD；为防标识符冲突，MIMIC 数据的医院索引被统一赋为 9999（超出 eICU 医院索引取值范围）。
- 分布极不均衡：eICU-CRD 占近九成，MIMIC 两库加起来约 11.5%。这意味着任何不分层的"全库统计"都会被 eICU-CRD 主导——这是一个使用 BOLD 时必须主动分层的关键偏倚（见 §10 坑 4）。
2.2 产出表的三层坐标
BOLD 的每一行都坐落在一个清晰的坐标系里。每个住院遭遇（encounter）带三层标识符：
- 患者级（patient identifier）
- 医院级（hospital identifier）——仅 eICU-CRD 有；MIMIC 因单中心统一为 9999
- ICU 留观级（ICU stay identifier）
此外每行还有一个源数据库标识。这四者共同保证了两件事：一是库里唯一（作者另建了反映三层的全新唯一 ID，避免三库 ID 重叠），二是可回链（原始 ID 被保留，使用者能回到 MIMIC/eICU 原库拉取 BOLD 未收录的变量）。这是"衍生数据集"设计里罕见的周到之处——它没有切断与上游的血缘。
2.3 变量家族一览
产出宽表的变量按前缀成族，便于按需取用：
| 前缀 | 家族 | 含义 |
|---|---|---|
| （无前缀） | ABG 血气 | SaO2 及血气分析本身的值 |
vitals_ |
生命体征 | 体温、血压（无创+有创）、心率、呼吸频率 |
cbc_ |
血常规 | 完整血细胞计数 |
coag_ |
凝血 | 凝血功能 |
bmp_ |
基础代谢 | 基础代谢面板 |
hfp_ |
肝功能 | 肝功能面板 |
other_ |
其他酶 | 其他酶类 |
sofa_past_ |
SOFA（前） | ABG 前 1 小时逐小时 SOFA |
sofa_future_ |
SOFA（后） | ABG 后 24 小时逐小时 SOFA |
delta_ |
时间差 | 该协变量最近一次记录与 ABG 时点的间隔 |
其中 delta_ 前缀是理解整张表时间语义的钥匙：每个时变协变量都附带一个时间差，量的是"这条协变量记录离 ABG 采样有多远"。ABG 时点被设为参照基准，协变量取的是该时点之前最近一次的值。SOFA 评分尤为特殊——它既取 ABG 前 1 小时（刻画器官功能障碍基底，避免被本次测量影响），又取 ABG 后 24 小时（量化本次测量之后的影响）。
2.4 人口学、共病与结局
- 人口学：入院年龄（18–89 直接记录，“≥90” 一律记 90）、性别、种族与族裔。
- 种族/族裔 8 类：American Indian/Alaska Native；Asian；Black；Hispanic OR Latino；More Than One Race；Native Hawaiian/Pacific Islander；Unknown；White。
- 共病指数：MIMIC-III 用 van Walraven Elixhauser 评分，MIMIC-IV 与 eICU-CRD 用 Charlson Comorbidity Index——注意这不是同一把尺子，跨库比较共病负担时必须谨慎（见 §10 坑 5）。
- 入院特征：医院规模、US region、教学状态、床位数（随医院索引协调，MIMIC 因单中心特殊性另计）。
- 结局：院内死亡率，逐患者标注、逐行携带。
2.5 一个必须点破的规格局限：皮肤色度是"代理"而非"测量"
BOLD 通篇讲"深肤色人群的偏差"，但它本身不含任何客观皮肤色度数据——没有肤色计（spectrophotometer）读数、没有 Monk 肤色量表、没有个体化的黑色素指数。它用种族/族裔作为深肤色的代理变量。作者对此非常清醒，在数据描述中明确写道：数据保留了原始数据库在区分"种族（race）"与"族裔（ethnicity）"概念上的固有缺陷，且由于 Hispanic 被同时当作 race 和 ethnicity 组，被标为 Black 或 White 的患者被推定为非 Hispanic，而 Hispanic Black 与 Hispanic White 实际上无法从记录中可靠区分。这既是 BOLD 的诚实，也划定了它的能力边界——任何基于它的肤色偏差结论，精度都受限于"种族代理"这一层。
§3 配对规则与协调流水线：49,099 是怎么算出来的
BOLD 的全部价值集中在一条流水线里。这条流水线分四步：配对、时间对齐、概念协调、横向拼接。前两步决定了"多少条"和"每条长什么样"，后两步决定了"能不能跨库比较"。
3.1 第一步：SaO2–SpO2 配对（决定 49,099 的四道闸）
配对是 BOLD 的灵魂，也最容易被误读为"把两个刻度值放一起"。它的规则是四道串联的筛选闸：
- 时间前置且窗口 ≤5 分钟：脉搏血氧读数（SpO2）必须先于动脉血气（SaO2）出现，且两者时标间隔不超过 5 分钟。为什么是"前置"？因为在真实临床流程中，通常是先看到血氧仪读数偏低，再决定去抽动脉血做血气——这个因果方向决定了只有"SpO2 在 SaO2 之前"的配对才有生理意义。
- ABG 不缺失：动脉血气值缺失的配对直接剔除，保证每一对都有可比的金标准参照。
- 氧饱和度限定 70–100%：超出该区间的配对被排除。这既剔除极端/伪差读数，也把数据集聚焦在临床真正关心的低氧区间。
- 每次住院仅留首对：一个患者在同一次住院（跨该次住院的所有 ICU 留观）里可能产生多对测量，BOLD 只保留第一对。作者给出的理由是直白的——为了避免"非均匀的患者过度代表"（non-uniform overrepresentation of patients），即防止一个住了很久、被反复采血的病人贡献几十条数据、在训练里被放大。
这四道闸合起来解释了 §9 里一个反直觉的事实：MIT Critical Datathon 2023 有 81,797 对，比 BOLD 多三万对，但 BOLD 更"大"——因为 Datathon 版只有一道宽窗（90 分钟），BOLD 把窗口收紧到 5 分钟、加了首对约束和 70–100% 区间。这不是扩量，是提质收窄。
3.2 第二步：跨库时间对齐（左侧窗口）
配对完成后的每一对，还需要把时变数据挂上去。规则是：左侧窗口（left-sided window）——相对于 SaO2 时点，只考虑过去的数据。理由同样是因果性的：要刻画的是"在医生决定采血气的那一刻，病人的临床图景是什么样"，未来的数据不应泄露进来。每个协变量有变量专属的容差（variable-specific tolerance in the past），不是所有协变量都用同一个回溯长度。每条协变量记录都附带 delta_ 前缀的时间差，让使用者能按自己研究的精度要求自行筛选（例如只要 delta < 30 分钟的值）。
3.3 第三步：跨库概念协调（harmonization）
三个库的 schema 各不相同，直接拼接会得到一堆对不上的列。协调规则有三条：
- 只保留三库都有的变量，以最小化缺失数据——这是一个保守但稳健的取舍，代价是放弃了各库独有但很有价值的字段。
- 分类变量映射到同一套标签：不同库里叫法不同、取值不同的分类变量被统一。
- 同格式存储：人口学、入院特征、生命体征、实验室值、临床评分在三个库里以相同格式存放，确保拼接后语义一致。
种族的协调最需说明：标准化后的类别就是 §2.4 列的 8 类，但作者特别声明——它保留了原库区分 race 与 ethnicity 的缺陷，Hispanic Black/White 无法可靠区分（见 §2.5）。
3.4 第四步：横向拼接（horizontal concatenation）
在前三步确保"列格式完全对齐"之后，三个库通过横向拼接合并为一张表。这里的顺序值得强调：作者是先协调、后拼接，而不是先拼接、后打补丁。三库列名、标签、格式完全一致之后才并列——这是"合并"和"糊弄"的分水岭，也是 BOLD 号称"分析就绪"的底气来源。
3.5 流水线的可复现性：代码即说明书
BOLD 的方法学不靠文字描述封存，而是由公开代码承载。作者明确写道：“这些映射与方法论完全由开源代码伴随，感兴趣的用户可以轻松修改以适应新需求。” 代码托管于 GitHub joamats/pulse-ox-dataset。这意味着两件事：其一，BOLD 的方法可被逐行审计与复现；其二，任何人都能把这套流水线改用到别的数据库（作者本人就把 Datathon 版的 MIMIC-IV 流程推广到了 MIMIC-III 与 eICU-CRD，才有了 BOLD）。这条"方法即产品"的思路，是 BOLD 超越普通衍生数据集的地方——它卖的不只是数据，是一套可迁移的加工范式。
§2bis 三库逐一说深：来源决定性格
前一节搭好了 BOLD 的骨架，本节把三个来源库"掰开看"——因为 BOLD 的性格，本质上是由三个来源库的性格拼接出来的。
MIMIC-III：老兵，变量口径与今日不同
MIMIC-III 覆盖 2001–2012 年的 BIDMC 重症监护数据，是这一系列数据库的"奠基版本"。它年代最早，因此带来两个特征：
- 时代偏置：2001–2012 年的诊疗规范、设备型号、记录习惯都与 2008–2019 的 MIMIC-IV 不同。把 MIMIC-III 的数据与 eICU-CRD 的 2014–2015 数据放一起时，隐含了一条跨时代混样的假设——即"血氧仪偏差的物理机制在不同年代间稳定"。这个假设很可能是成立的（黑色素的光吸收特性不随年代变化），但设备校准算法的更新会引入噪声。
- 共病量表不同：MIMIC-III 用的是 van Walraven 加权的 Elixhauser 评分，而非 ICU 领域更常见的 Charlson——这是它贡献 740 对时附带的一个"计量单位不统一"问题（§5.5）。
贡献定位：MIMIC-III 在 BOLD 里只贡献 740 对 / 728 患者（约 1.5%），是"锦上添花"而非"主力"。研究者若只看 BOLD 的总体规模，很容易忽略这一小部分其实带着一个独立的、较老的记录范式。
MIMIC-IV：最现代的版本，变量最全
MIMIC-IV 覆盖 2008–2019 年的 BIDMC 数据，是 MIMIC 系列的当代版本，贡献 4,921 对 / 4,778 患者（约 10%）。它的价值在于：
- 变量最完整：作为更新版本，它的
chartevents/labevents覆盖更细，是 BOLD 生命体征与化验字段的主要来源之一。 - 用 Charlson 共病：与 eICU-CRD 口径一致，因此 MIMIC-IV 与 eICU-CRD 之间的共病指数可比，而 MIMIC-III 与它们不可比——这是一个只有拆到库级才能看清的细微差别。
- 与 Datathon 版同源：MIT Critical Datathon 2023 的 81,797 对正是从 MIMIC-IV v2.2 抽取的，BOLD 把同一批流程推广到另外两库时才收窄到 5 分钟窗。
贡献定位：MIMIC-IV 是 BOLD 里"最新、最全、最规范"的一块，但量不大。
eICU-CRD：绝对主力，也是多样性的唯一来源
eICU-CRD（eICU Collaborative Research Database）是 BOLD 的规模主体：43,438 对 / 39,401 患者，约占全库的 88.5%。它的特征与两个 MIMIC 库几乎相反：
- 多中心：eICU-CRD 汇集美国多家医院的重症监护数据，因此是 BOLD 机构多样性的唯一来源。BOLD 之所以能声称"跨机构"，靠的几乎全是 eICU-CRD。
- 医院级变量丰富：正因多中心，它才带医院标识符（MIMIC 单中心没有，被迫统一赋 9999）以及医院规模、US region、教学状态等医院级变量。
- 时间较近：约 2014–2015，比 MIMIC-III 新、与 MIMIC-IV 时代接近。
- 记录粒度较粗：eICU-CRD 的
nursecharting表结构与 MIMIC 的chartevents不同，这正是 BOLD 必须做"概念协调"的原因。
贡献定位：eICU-CRD 既是 BOLD 的力量（规模 + 多样性），也是它的偏斜风险——任何不分源的统计都会被它主导（§10 坑 4）。
三库性格对照总结
| 特性 | MIMIC-III | MIMIC-IV | eICU-CRD |
|---|---|---|---|
| 机构 | BIDMC 单中心 | BIDMC 单中心 | 美国多中心 |
| 年代 | 2001–2012 | 2008–2019 | 约 2014–2015 |
| 贡献 | 740 对 | 4,921 对 | 43,438 对 |
| 共病量表 | Elixhauser | Charlson | Charlson |
| 医院标识 | 无（赋 9999） | 无（赋 9999） | 有（真实多中心） |
| 记录来源表 | chartevents/labevents | chartevents/labevents | nursecharting/labs |
| 在 BOLD 中的角色 | 老兵样本 | 现代小样本 | 主力 + 多样性 |
读这张表要得出的结论是：BOLD 的"跨库"不等于"均匀跨库"。它是一条首尾极不均衡的拼接带——一头是 2001 年的单中心 740 对，另一头是 2014 年的多中心四万三千对。研究者做任何跨库比较时，都必须意识到这两端的时代、机构、记录范式全不相同。
§3bis 配对规则的临床叙事：为什么是这四条
§3.1 把配对规则拆成了四道闸，本节从临床现场视角解释"为什么偏偏是这四条"，帮助使用者判断这些约束在何种研究下会成为限制。
5 分钟：临床行为的时间尺度
为什么是 5 分钟而不是 90 分钟？因为配对要模拟的是一次临床决策：护士发现血氧仪读数偏低 → 医生决定抽动脉血 → 血气结果回报。从"看到读数"到"抽血"之间的间隔，在一名警觉的护士手里通常是分钟级。把窗口定在 5 分钟，是在逼近"这两条记录描述的是同一个生理瞬间"的理想。窗口放得越宽（如 90 分钟），配对的生理相关性越弱——病人可能在这 90 分钟里已经给氧、已经好转或恶化，此时 SpO2 与 SaO2 已经不是同一状态的两面镜子了。
代价：5 分钟窗会排除大量临床流程较慢、采血较迟的案例。如果这些被排除的案例在种族/机构上非随机分布（例如某些医院流程更慢），就会引入选择偏倚。
“SpO2 前置”：因果方向不能反
若允许 SaO2 在前、SpO2 在后，配对就失去了临床意义链。真实场景是"设备先给读数、医生据此采血"，因此 SpO2 必在 SaO2 之前。BOLD 严格遵守这个方向，使得每一对都对应一条真实的临床链条：设备读数 → 决策 → 金标准采样。这是 BOLD 区别于"把两个值按时间最近硬凑"的随意数据集的核心。
70–100%：聚焦临床相关区间
血氧饱和度 70% 以下是极端低氧，罕见且常伴测量伪差；100% 是设备上限。把区间限定在 70–100%，一方面剔除伪差与饱和溢出，另一方面聚焦在临床决策真正纠结的区间——尤其是 88%–92% 这一段 Sjoding 报道偏差最严重的"危险地带"。这个区间正好落在 70–100% 内，说明 BOLD 的区间选择是为偏差研究量身定制的。
“每次住院仅留首对”：防止患者过度代表
这是一条纯粹的统计公平约束。一次住院可能产生几十对测量（病人反复采血），如果不限制，那么"住得久、采血多"的病人会在数据集里被放大几十倍，让模型误以为这类病例是常态。只留首对，是让每名患者每次住院最多贡献一个观测，从而让样本更接近"以患者为单位"的代表性。作者的原话是避免"non-uniform overrepresentation of patients"。
代价：首对约束丢弃了大量后续配对信息。若研究关心"偏差随住院进程如何演变"，BOLD 的首对设计就不适用——这类研究需要回到原库自建配对。
四闸的综合效应
四道闸串起来，把三个原始库里海量的血氧/血气记录，压缩成 49,099 对高质量、因果方向正确、患者代表性可控、聚焦临床相关区间的测量。它是一个"少而精"的取舍——这也再次解释了为什么它比 Datathon 版（81,797 对）对数更少却质量更高。
§2ter 字段族与来源表的映射：一张溯源表
BOLD 声称"可回链原库"，这张表把每个字段族映射回它的原始来源表，是做回链时的对照卡。
| BOLD 字段族 | MIMIC-III/IV 原表 | eICU-CRD 原表 | 协调要点 |
|---|---|---|---|
| 生命体征（vitals_） | chartevents |
nursecharting |
两表 item 编码不同，须映射到统一标签 |
| SpO2 | chartevents |
nursecharting |
同上 |
| 动脉血气（ABG） | labevents |
labs |
血气项目编码协调 |
| 血常规（cbc_） | labevents |
labs |
面板项目对齐 |
| 凝血（coag_） | labevents |
labs |
面板项目对齐 |
| 基础代谢（bmp_） | labevents |
labs |
面板项目对齐 |
| 肝功能（hfp_） | labevents |
labs |
面板项目对齐 |
| 其他酶（other_） | labevents |
labs |
面板项目对齐 |
| 人口学 | 入院/患者表 | 患者表 | 年龄口径统一（≥90→90） |
| 共病指数 | 诊断表（Elixhauser） | 诊断表（Charlson） | 量表不同，不可比 |
| 医院级变量 | 无（单中心） | 医院表 | MIMIC 医院索引赋 9999 |
| 结局（院内死亡） | 出院表 | 出院表 | 统一口径 |
这张表的用法：当研究者需要 BOLD 未收录的变量（例如 MIMIC 的高分辨波形、eICU 的独有医院细节），先用 BOLD 的三层标识符定位到原库的患者/住院/留观，再按本表找到对应的原始表去取。回链是 BOLD 与其上游之间的"血统通道"，用好了能让 BOLD 既保有即用性，又不损失原库的全量信息。
§2quater 数据的"分析就绪"到底意味着什么
"分析就绪（analysis-ready）"是 BOLD 反复自我标榜的词。它到底意味着做过了哪些工作？逐条列出：
- 抽取：从三库几十张表里捞出相关字段。
- 配对：按四道闸把 SpO2 与 SaO2 配成对（§3.1）。
- 时间对齐：每条时变协变量取 ABG 时点前最近一次值，附
delta_时间差（§3.2）。 - 概念协调：分类变量映射到统一标签，变量三库同格式存储（§3.3）。
- 变量族命名：用前缀体系（vitals_/cbc_/bmp_/…）让字段自解释。
- 评分计算：逐小时 SOFA（前后两个方向）、共病指数、BMI。
- 三层标识 + 源库标：保证库内唯一且可回链。
- 横向拼接：三库对齐后合并成一张表。
相较之下，"非分析就绪"的原始库形态是：几十张互不关联的表、编码晦涩、格式不一、需要用户自写大量 SQL 和生理学判断才能得到一个可分析的配对。BOLD 把这八步替用户做完，用户拿到即是一张能直接 read_csv 开跑的宽表。“分析就绪"省下的不是几次点击，而是"一个跨学科团队数周的工作”——这正是作者说的"removes a barrier to entry"的真正含义。
§4ter 一个临床场景：偏差如何发生
把抽象的数字还原到一个 ICU 场景，能更直观地理解 BOLD 要研究的东西。
场景：一位深肤色的重症患者，实际动脉血氧（SaO2）已降至 89%，处于需要干预的低氧状态。但由于黑色素干扰了光吸收，指尖血氧仪显示 SpO2 = 95%（正常范围内）。护士看到 95%，认为无需紧急处理；医生巡房时也未触发低氧警报。于是给氧升级被延迟，监护强度未提升。数小时后病情恶化，血气复查发现长期低氧——这就是隐藏性低氧的一次具体发生。
BOLD 在这条链里的角色：它收录的每一对（SpO2=95, SaO2=89）正是这样一个事件的数字快照。当这样的快照积累了 49,099 条、且按种族分层后，研究所要回答的问题就变得可计算：
- 深肤色组的 (SpO2 − SaO2) 正值分布，是否显著右移（读数系统性高估）？
- 在 SpO2 ∈ [92, 96] 这一"看似安全"的区间，深肤色组的 SaO2 < 90 概率是否更高？
- 这些事件是否与更高的院内死亡率、更差的后续 SOFA 相关？
为什么场景要还原：因为 BOLD 的数字很容易被当成抽象的表格看待。但它的每一行背后都是一次可能的临床延误，每一个统计差异都对应真实病人的风险。理解了场景，才理解了这个数据集为什么值得做、也才理解它的局限性有多要紧——毕竟，如果一个研究用错了分层、掩盖了差异，等于在模拟这个问题时又犯了一次同样的错。
§9ter 一张图谱：BOLD 在数据集家族中的位置
把 BOLD 放进一张"数据集家族图"，能一眼看清它与上下游的关系。
┌─────────────────────────────┐
│ 原始 ICU 电子健康记录库 │
│ MIMIC-III MIMIC-IV eICU │
│ (BIDMC单中心 BIDMC 多中心)│
└───────────┬─────────────────┘
│ 抽取+配对+对齐+协调
┌───────────────┼────────────────┐
▼ ▼ ▼
┌────────────────┐ ┌──────────────┐ ┌──────────────┐
│ MIMIC-IV-Ext-* │ │MIT Datathon │ │ BOLD │
│ 单库单主题衍生 │ │ 2023 (单库) │ │ (跨三库整合) │
│ (pe/ppg/...) │ │ 81,797 对 │ │ 49,099 对 │
└────────────────┘ └──────┬───────┘ └──────┬───────┘
│ 前身/收紧 │
└───────────────────┘
│
▼
┌────────────────────────┐
│ 下游：去偏算法 / 公平性 │
│ 审计 / 教学 / 政策证据 │
└────────────────────────┘
读图三要点：
- 上游是三个原始库：BOLD 的血统来自它们，且保留了可回链的标识符。
- 同层有兄弟：MIMIC-IV-Ext-* 是单库单主题，Datathon 版是单库单主题的特例，BOLD 是唯一的跨三库整合。
- 下游是应用：BOLD 自身不产出模型或政策，它的出口是研究者的去偏算法与公平性审计。它是中间件，不是终点。
这张图也解释了为什么 BOLD 需要"存在性核验"：因为在这个家族里，衍生条目众多、名称相近，稍不留神就会把两个条目当成一个（§9bis）。搞清楚"谁是谁的前身、谁比谁跨得广"，是使用这个家族的前提。
§4 为什么要做它：血氧仪偏差与隐藏性低氧
要理解 BOLD 的动机，得先理解它的靶子——血氧仪偏差——为何是一个"设备级"的公平性问题，而非仅仅是数据问题。
4.1 血氧仪的物理原理与它的宿命
脉搏血氧仪靠两个发光二极管（红光约 660 nm、红外光约 940 nm）照射透过组织，依据氧合血红蛋白与脱氧血红蛋白对两种波长吸收率的差异反推血氧饱和度。这个原理有一个内在弱点：任何一种会影响光吸收路径的物质，都会干扰读数。黑色素（melanin）正是这样一种广谱吸收体。理论上现代设备会用校准算法部分补偿，但历史上的校准数据集以浅肤色受试者为主——设备的"基准色"是偏白的，于是深肤色就成了分布外样本。这不是某台设备的质量缺陷，而是整个光谱学范式在人群代表性上的系统性欠账。
4.2 关键证据链（BOLD 立论的文献基础）
BOLD 的论文与方法页引用了四篇关键工作，构成它的证据链：
- Sjoding et al., NEJM 2020——“Racial Bias in Pulse Oximetry Measurement”。这是引爆该议题的里程碑：在血氧饱和度 88%–92% 区间，黑人患者出现"血氧仪读数正常、实际血气偏低"（即隐藏性低氧）的概率约为白人的三倍。
- Gottlieb et al., JAMA Internal Medicine 2022——评估 ICU 患者中不同种族/族裔的氧补充差异，指向临床决策层面的连锁后果。
- Charpignon et al., Critical Care Clinics 2023——“Critical bias in critical care devices”，把问题从血氧仪扩展到整套重症监护设备的偏差谱系。
- Nazer et al., PLOS Digital Health 2023——AI 算法偏差与缓解建议，把血氧仪偏差接入更广的算法公平性讨论。
4.3 “隐藏性低氧”：为什么它是致命的
隐藏性低氧（hidden hypoxemia）是 BOLD 全部动机的落点，定义是：脉氧读数（SpO2）正常或偏高，而实际动脉血氧（SaO2）已经偏低。它的危险在于"看不见"——医生依据读数判断病人安全，于是可能延误给氧、延迟升级监护、过早撤除支持。论文的因果链写得清楚：隐藏性低氧 → 治疗不足 → 死亡率升高。而由于深肤色人群更易出现读数虚高，这条链条在种族上并非均匀分布，最终表现为医疗资源与生存结局的系统性不平等。
4.4 BOLD 的解法定位：去偏算法的"训练基座"
BOLD 不声称自己解决了偏差，它解决的是**“想解决偏差的人拿不到合适数据"这个前置障碍**。它的目标是"用于开发脉搏血氧去偏算法（debiasing algorithms）的资源”。换句话说，如果 Sjoding 的发现是"诊断"，那么 BOLD 提供的是"治疗所需的手术台"——一个足够大、足够均衡、变量足够全、且可复现的分析就绪数据集，让研究者能训练模型去识别隐藏性低氧、去校正 SpO2 读数、去按肤色分层评估设备性能。同团队的 Matos et al.（IEEE ENBENG 2023，“Shining Light on Dark Skin: Pulse Oximetry Correction Models”）就是这条研究路线的早期尝试。
4.5 为什么"约 25% 少数族裔"是关键卖点
重症数据库里少数族裔比例通常偏低，而偏差研究恰恰最需要这些群体。BOLD 强调其约 25% 的数据来自少数种族与族裔群体，并直言这个比例"在以往研究中很少达到（seldom achieved in previous studies）"。这不是自我夸耀，而是针对偏差研究的核心痛点：如果没有足够多的深肤色样本，任何"按肤色分层"的评估都会因样本量不足而无法给出稳健结论。BOLD 的价值很大一部分就压在这个比例上。
§5 变量深挖：一张表里装了什么临床世界
§2.3 已列出变量的前缀家族，本节补充每一族的临床语义与使用要点，帮助使用者判断"哪些字段能支撑哪类研究"。
5.1 核心三件套：SaO2、SpO2、delta_spo2
| 字段 | 角色 | 使用要点 |
|---|---|---|
| SaO2 | 动脉血气测得的金标准血氧饱和度 | 参照真值；配对时点基准 |
| SpO2 | 脉搏血氧仪测得的无创估算 | 设备输出；偏差研究的被评估对象 |
| delta_spo2 | SpO2 与 SaO2 的时间差 | 恒为负（因 SpO2 前置）；精度筛选的关键 |
研究者常用的一个下游量是 SpO2 − SaO2 的差值：正值为设备高估（隐藏性低氧的风险信号），负值为低估。BOLD 让这个差值可以直接按种族/族裔、按基线血氧区间分层计算——这正是 Sjoding 类分析的标准范式。
5.2 生命体征（vitals_ 家族）
体温、血压（无创 NIBP 与有创 IBP 分开）、心率、呼吸频率、以及 SpO2 本身。这些来自 MIMIC 的 chartevents 与 eICU 的 nursecharting 表。每条体征都带 delta_ 时间差。使用要点：有创血压（IBP）的缺失率显著高于无创（NIBP），因它需要动脉置管——这是病情严重度的隐性选择信号，用它做特征时要意识到缺失本身携带信息（见 §10 坑 7）。
5.3 实验室值（ABG 无前缀 + 五个面板前缀）
| 面板 | 前缀 | 来源表 |
|---|---|---|
| 动脉血气 | （无） | MIMIC labevents / eICU labs |
| 完整血细胞计数 | cbc_ |
同上 |
| 凝血 | coag_ |
同上 |
| 基础代谢面板 | bmp_ |
同上 |
| 肝功能面板 | hfp_ |
同上 |
| 其他酶类 | other_ |
同上 |
使用要点：这些面板覆盖了重症监护最常开的化验，足以支撑"血氧偏差与器官功能关联"的分析。但面板内的具体指标取决于原库可得字段——BOLD 只合并三库共有的变量，因此某些库里独有但很有价值的化验被舍弃了。
5.4 器官功能：逐小时 SOFA
SOFA（Sequential Organ Failure Assessment，序贯器官衰竭评分）在 BOLD 里被算成逐小时，并取两个方向：
sofa_past_：ABG 前 1 小时的 SOFA——用于刻画采血时点的器官功能障碍基底，且刻意取自 ABG 之前，避免本次测量污染基线。sofa_future_：ABG 后 24 小时的 SOFA——用于量化此次低氧事件对后续器官功能的影响。
使用要点：这一对前后 SOFA 是 BOLD 少见的"因果取向"设计——它围绕 ABG 时点做了一个干净的前因-后果切片。做"隐藏性低氧是否预示器官恶化"这类研究时，sofa_future_ 是天然的结局变量，而 sofa_past_ 是基线协变量。
5.5 共病负担：两把不同的尺子
如 §2.4 所述，MIMIC-III 用 Elixhauser（van Walraven 加权版），MIMIC-IV 与 eICU-CRD 用 Charlson Comorbidity Index。使用要点：
- 两者不是同一量表，数值不可直接跨库比较；
- 若研究需要跨库合并，稳妥做法是把共病指数作为分库内的分层变量，或改用诊断类别本身而非指数总分；
- 忽略这一点会引入一个库来源混淆的伪信号（见 §10 坑 5）。
5.6 人口学与结局
入院年龄（18–89 记录，≥90 记 90）、性别、种族族裔、入院特征（医院规模/region/教学状态/床位）、院内死亡率。使用要点：年龄顶封（≥90→90）会压缩高龄段，做年龄-风险关系时需意识到这是个天花板效应；院内死亡率是 BOLD 自带的患者级结局，可用于"偏差是否关联死亡"的队列分析。
§6 获取与许可：凭证访问的门怎么进
BOLD 在 AI-Ready 光谱上属于**“受治理的开放”（governed access）——数据公开可及，但不是无门槛自取**。理解这道门，是能不能用上 BOLD 的第一关。
6.1 访问级别：Credentialed Access（凭证访问）
PhysioNet 把数据资源分为 Open Access、Credentialed Access、Restricted Access 三档。BOLD 属中间档 Credentialed Access，意味着：
- 使用者须在 PhysioNet 注册账号并完成 CITI 项目的人类受试研究培训（冲突无涉 / 数据或标本研究模块）；
- 须签署 PhysioNet Credentialed Health Data Use Agreement v1.5.0；
- 通过身份核验（通常要求机构邮箱与真实的机构隶属）后，方可下载；
- 使用须遵守协议条款（不得再分发、不得尝试重标识、须在成果中致谢等）。
这意味着：研究者无法像下载 Kaggle 数据集那样匿名一键获取；也无法把 BOLD 直接托管到 HuggingFace 之类的公开镜像（协议禁止再分发）。这是 BOLD 传播上的结构性摩擦，也是它虽然重要、却被使用门槛拖慢扩散的原因。
6.2 伦理与去标识化
BOLD 的伦理立场建立在来源库之上：MIMIC-III、MIMIC-IV、eICU-CRD 均为完全去标识化数据库（不含受保护健康信息 PHI），团队是在 PhysioNet 凭证健康数据使用协议（v1.5.0）下获得使用许可的。研究本身被判定为豁免人类受试研究（exempt）。作者同时提醒：EHR 中的医疗记录本身即处于多种偏倚风险之下（“Medical charting by providers in the electronic health record is at-risk for multiple types of bias”）——也就是说，即使去标识化做得完美，记录行为本身的偏差仍会传导进数据。
6.3 代码公开 vs 数据凭证：一条清晰的界线
BOLD 在许可上是代码与数据分离的：
| 资产 | 获取方式 | 是否公开直链 |
|---|---|---|
| 数据集本体 | PhysioNet Credentialed Access | 否（须凭证） |
| 配套代码 | GitHub joamats/pulse-ox-dataset |
是（公开仓库） |
| 论文 | Sci Data 2024（开放获取） | 是 |
这条界线很关键：方法完全透明（代码公开可审计），数据受治理（不可再分发）。这是重症 EHR 领域"可复现但不失控"的标准范式——它让任何人都能审查 BOLD 是怎么造的，却不必担心去标识化数据被滥用。使用者要想获取数据，唯一正道是走 PhysioNet 凭证流程，不要尝试寻找非官方镜像（既违规也不可靠）。
6.4 许可的实务影响
对使用者而言，凭证访问带来三条实务约束：其一，团队协作须各自获得凭证，不能一人下载后传给同事；其二，发表成果须按协议致谢并声明遵循凭证数据许可；其三，模型权重若在 BOLD 上训练，通常可以公开，但原始数据与任何可反推个体的中间产物不可公开——这条界线使用前务必与机构伦理审查确认（见 §10 坑 8）。
§4bis 从 Sjoding 到 BOLD：证据如何累积成行动
§4 给出了证据链的骨架，本节把它讲成一个"发现 → 复现 → 数据基座"的演进故事，说明 BOLD 在学术谱系里的准确位置。
第一阶段：发现（临床流行病学）
Sjoding et al. 2020 的价值在于它把一个技术物理问题翻译成了临床流行病学问题。它没有停在"血氧仪原理对黑色素敏感"这一物理层面，而是统计了真实病人群体中"读数正常但血气低"的发生率差异，得出黑人约三倍于白人的结论。这一步把议题从工程圈推进到医院管理层与监管视野。
第二阶段：机制与后果的补全
随后的工作补全了两个空白：
- 机制侧：为什么是深肤色人群更严重？Charpignon et al. 2023 把它放进"重症设备偏差"的大框架，说明这不是血氧仪的孤立问题，而是重症监护设备谱系的共性问题。
- 后果侧：Gottlieb et al. 2022 追踪了偏差在临床决策上的落地——不同种族/族裔的氧补充差异，说明读数偏差确实转化成了治疗差异。
第三阶段：可操作化（BOLD 的角色）
真正的瓶颈在此浮现：要修偏差，需要能训练模型的数据。而偏差研究要求的数据有两个苛刻条件——其一，要同时有 SpO2 与 SaO2（否则无法算偏差）；其二，要有足够大的少数族裔样本（否则分层评估没有统计效力）。多数公开 ICU 数据库不满足（要么没有配对，要么少数族裔太少）。
BOLD 正是为补这两个条件而生：它把 SpO2–SaO2 配对规则化、把三个库的少数族裔样本汇集起来（约 25%）。这就是 BOLD 的准确学术坐标——它是偏差研究从"发现问题"走向"解决问题"所需的基础设施。
一条被忽视的传播链：教学
BOLD 的另一条传播路径是教学。它被 Harvard T.H. Chan 的 BST 209 与东京医科齿科大学的 Datathon 用作教材，意味着它不仅产出论文，还在塑造下一批研究者的数据素养。作者把这一点写进目标：“希望它成为未来世代受训者的试验台。” 这种"数据即教材"的定位，是许多纯研究数据集不具备的。
§5bis 变量使用的三种典型研究配方
§5 逐族讲了变量，本节给出三种把变量"拼起来用"的典型研究配方，帮助使用者快速定位自己的研究该怎么取字段。
配方 A：复现并扩展 Sjoding 类偏差分析
目标：量化 SpO2 − SaO2 差值在种族/族裔间的分布差异。
取字段：SaO2、SpO2、delta_spo2、种族/族裔、年龄、性别、源数据库。
分析：按种族分层，计算 SpO2 − SaO2 的均值/中位数与"隐藏性低氧"（SpO2 正常但 SaO2 < 88%）发生率；在 88%–92% 基线区间内单看。务必分源库报告（§10 坑 4）。
配方 B：训练隐藏性低氧检出模型
目标：在只有 SpO2 与常规协变量时，预测真实 SaO2 是否偏低。
取字段：标签 = SaO2；特征 = SpO2、vitals_ 家族、cbc_/bmp_ 等化验、sofa_past_、共病指数、人口学。
分析：训练分类/回归模型，评估 AUROC 与分组校准误差。关键：模型在不同种族上的校准误差差距，才是这个任务的真正战场。
配方 C：偏差与结局的队列研究
目标：隐藏性低氧是否预示更差的器官功能或死亡。
取字段：SpO2、SaO2、sofa_past_（基线）、sofa_future_（结局）、院内死亡率、共病指数、人口学。
分析：以 ABG 时点为基线，比较"隐藏性低氧组"与"非低氧组"的 sofa_future_ 变化与院内死亡率，按种族分层看效应修饰。这正是 BOLD 前后 SOFA 设计的用武之地（§5.4）。
三种配方的共同纪律
无论哪种配方，都有三条共同纪律：其一，分种族/族裔分层报告（否则浪费 BOLD 的核心价值）；其二，分源库核对（eICU 主导 + 库间量表不一）；其三，声明肤色代理局限（结论精度受限于种族代理而非实测色度）。
§6bis 获取流程实操：从零到数据的六步
§6 讲了门槛，本节给出实操路线，让研究者知道"要跑多久、卡在哪"。
- 注册 PhysioNet 账号：用机构邮箱，填写真实的机构与职责信息。
- 完成 CITI 培训：完成数据或标本研究相关模块培训并上传证书。这一步通常耗时最长（数小时课程）。
- 签署数据使用协议：签署 PhysioNet Credentialed Health Data Use Agreement v1.5.0。
- 申请凭证：提交凭证申请，等待 PhysioNet 核验（人工审核，可能有等待期）。
- 下载数据：凭证获批后从项目页下载 BOLD v1.0。
- 回链原库（可选）：若需要 BOLD 未收录的变量，凭三层标识符回到 MIMIC-III/IV 或 eICU-CRD 原库拉取——这需要另行获得原库凭证。
卡点提示：最常见的时间消耗在第 2 步（CITI 课程）与第 4 步（人工核验等待）。团队协作时，每人各自走完这六步，不能共享凭证或数据副本（§6.3）。
§7bis 与其他血氧数据集的横向对照
BOLD 不是唯一的血氧配对数据资源。把它放进横向对照，能更清楚它的取舍。
| 数据集 | 来源 | 规模 | 特点 | 获取 |
|---|---|---|---|---|
| BOLD | MIMIC-III/IV + eICU-CRD | 49,099 对 | 三库整合、5 分钟窗、健康公平取向 | Credentialed |
| MIT Critical Datathon 2023 | 仅 MIMIC-IV v2.2 | 81,797 对 | 单库、90 分钟窗、前身 | Credentialed |
| SaO2-SpO2 Pairs Dataset（Fong 等） | 控制条件实验 | 较小 | 高保真波形 + 实测肤色 | Restricted |
| ENCoDE（Hao/Matos/Wong 等） | 前瞻性急性护理 | 前瞻队列 | OMOP 格式 + 实测肤色 | Credentialed |
读表结论：BOLD 的独特性在"真实世界 + 大规模 + 跨三库 + 配对严格"这一组合。它在"客观肤色"上弱于 SaO2-SpO2 Pairs 与 ENCoDE（那两者实测肤色），在"规模"上小于 Datathon 版，但它把"真实世界数据的规模与严格配对"结合得最好。研究者应按研究问题选材：要实测肤色 → ENCoDE/控制实验；要最大配对量 → Datathon 版；要跨库真实世界 + 严格配对 → BOLD。
§8bis BOLD 之后：项目往哪里走
从作者团队在 Springer Nature 社区的复盘与作者名单的扩张，可以读出 BOLD 之后的几条走向：
- 从回顾到前瞻：ENCoDE 项目（含 Matos、Wong）开始前瞻性采集数据并实测肤色，直接补上 BOLD “肤色靠代理"的最大短板。这条路线若成规模，将把血氧公平性研究从"回顾性代理"推进到"前瞻性实测”。
- 从单一生物标志物到多模态：作者明确表示方法可扩展"到其他生物标志物（体温、血压）、临床场景（家庭护理、初级护理、急诊室）、数据系统（自家健康系统数据库）"。BOLD 是这条推广路线的第一个示范。
- 从数据到社区：作者把 BOLD 定位为推动"数据策管与协调标准、开放数据、社区建设"的抓手，已在多个 Datathon 与课程中落地。
- 从研究者到决策者：血氧偏差的最终出口是监管与设备校准（FDA 批准的设备本身需要修正），BOLD 提供的正是支撑这类修正的证据基础。
留给使用者的一个问题：BOLD 能推动"发现"，但"修正"需要临床验证与监管行动。BOLD 是链条的前半段——研究者从它出发，最终要把结论送达设备制造商与监管机构，才能让深肤色的病人真正用上更准的血氧仪。
§7 评估、基准与研究用法
BOLD 本体不带官方榜单、不带 baseline 模型，这在一众"挑战赛式"数据集里是个显眼的空白。但这份空白恰恰反映了它的定位：它是一个基座（substrate），而非一个赛道（track）。本节说明这一设计选择，并给出它支持的研究范式与评估口径。
7.1 为什么没有 leaderboard
BOLD 的论文标题是 Data Descriptor，不是 Challenge Paper。它的产出是数据与流程，不是排名。这与图像类数据集（如 PANDA 挑战赛）逻辑不同——后者的核心价值是"同一把尺子量所有模型"，而 BOLD 的核心价值是"给所有研究者一块可用、可比、可复现的原始材料"。强行做 leaderboard 反而会窄化它的用途：血氧偏差研究的问题定义五花八门（检出隐藏性低氧 / 校正读数 / 分层评估设备校准 / 探索偏差与结局的关联），没有一个单一指标能涵盖。
7.2 BOLD 支持的四类研究范式
- 偏差量化研究：按种族/族裔分层计算 SpO2 − SaO2 差值的分布，复现并扩展 Sjoding 类分析，但样本量更大（49,099 对）、群体更均衡（少数族裔约 25%）。
- 隐藏性低氧检出模型：以 SaO2 为标签、SpO2 及协变量为特征，训练"预测真实低氧"的模型——这是 BOLD 论文明确点名的用途（“develop pulse oximetry debiasing algorithms”）。
- 血氧仪去偏/校正模型：学习一个映射 f(SpO2, 人口学, 协变量) → SaO2 估计，目标是让校正后的估算在不同肤色群体间校准误差趋于一致。同团队 IEEE ENBENG 2023 的工作即属此类。
- 公平性审计与分层评测：把 BOLD 当作测试集，评估既有 SpO2 校正模型在种族分层下的性能差距——这正是"模型部署前的公平性审计"这一被反复呼吁的实践。
7.3 评估口径建议（研究者自定）
由于无官方指标，以下是被该领域普遍采用、且 BOLD 数据结构天然支持的评估口径：
| 目标 | 常用指标 | BOLD 支撑字段 |
|---|---|---|
| 隐藏性低氧检出 | AUROC / AUPRC / 敏感度-特异度 | SaO2（标签）、SpO2 + 协变量（特征） |
| 读数校正精度 | MAE / RMSE of (SaO2 − 校正值) | SaO2、SpO2 |
| 公平性 | 分组校准误差差（如各族裔 ECE 或 MAE 差距）、分组 AUROC 差 | 种族/族裔字段 |
| 临床后果 | 与院内死亡率 / 未来 SOFA 的关联 | sofa_future_、院内死亡率 |
关键提醒：任何公平性评估都应按种族/族裔分层报告，而非只报总体指标。总体指标会掩盖分群体差异——而这恰恰是 BOLD 想暴露的东西。只报总体的研究等于浪费了 BOLD 最大的设计价值。
7.4 教育应用与传播
BOLD 已被用作教学素材：它在 Harvard T.H. Chan 公共卫生学院的 “Collaborative Data Science in Healthcare”（BST 209）暑期课程中使用，也被用作东京医科齿科大学第 3 届 Big Data Machine Learning Healthcare Datathon 的数据基础。这说明 BOLD 的第二个身份是教学基座——用真实的重症数据训练下一代研究者，正如作者所愿：“hope that it will serve as a test bed for future generations of trainees”。
§8 生态、时间线与团队谱系
8.1 时间线
| 时点 | 事件 |
|---|---|
| 2023-05-18/19 | MIT Critical Datathon 在剑桥市（MA）举办；MIMIC-IV 派生数据集试跑 |
| 2023-05-07 | MIT Critical Datathon 2023 数据集上线 PhysioNet（DOI 10.13026/jfpc-pz79） |
| 2023-07 | IEEE ENBENG 2023 发表 “Shining Light on Dark Skin: Pulse Oximetry Correction Models”（同团队早期尝试） |
| 2023-10-03 | BOLD medRxiv 预印本发布（doi 10.1101/2023.10.03.23296485） |
| 2023-11-08 | BOLD v1.0 上线 PhysioNet（DOI 10.13026/phvt-3277；Credentialed Access） |
| 2024-05-24 | BOLD 正式论文发表于 Scientific Data（11:535；PMID 38789452） |
| 2024 起 | BOLD 被用于教学（Harvard BST 209）与各地 Datathon |
双口径存照：ADS 数据库把 BOLD 论文的 Pub Date 标为 December 2024（按卷年），而 Nature 官网与 PubMed 均写 2024-05-24（在线发表）。本条目以 2024-05-24 为准，并注明 ADS 卷年口径。
8.2 团队谱系：从 Datathon 到 BOLD
BOLD 不是凭空出现的。它有一条清晰的演进脉络，作者本人也在 Springer Nature 社区文章中复盘过：
- 起点：Celi 团队长期运营 MIT Critical Datathon 系列，2023 年的主题锚定"血氧仪偏差"。
- 试跑版：为 2023-05-18/19 的 Datathon 准备了仅基于 MIMIC-IV v2.2 的派生数据集（81,797 对，90 分钟窗口），先在线于 PhysioNet。
- 扩展版：Datathon 之后一年，团队把数据扩展到三个 EHR 数据库（MIMIC-III、MIMIC-IV、eICU-CRD），并收紧配对窗口、加入大量血氧偏差相关变量——这就是 BOLD（49,099 对，5 分钟窗口）。
- 正式化：2024-05-24 以 Data Descriptor 形式发表于 Scientific Data。
作者原话概括了这条链：“自 MIT Critical Datathon 以来，我们扩展了最初为挑战赛准备的数据集，纳入了三个电子健康记录数据库。” 这解释了为什么两个数据集署名高度重叠却规模各异——它们是同一研究计划的先后两版。
8.3 机构网络
- MIT（Institute for Medical Engineering & Science / Critical Care）——Celi 团队大本营，Datathon 主办方
- Duke University——资深作者 An-Kwok Ian Wong（血氧偏差研究的活跃学者，亦参与 ENCoDE 等肤色校正项目）
- INESC TEC / Universidade do Porto / IST Lisboa——第一作者 João Matos 与 Jaime S. Cardoso 所在
- Harvard T.H. Chan School of Public Health——Celi 兼聘，BOLD 教学落地处
- Emory University——Judy Gichoya（医学影像公平性知名学者，BOLD 作者之一）
- 作者群从 Datathon 版到 BOLD 版的扩张（新增 Duke/Emory 等）体现了项目的机构外延
8.4 下游与相邻生态
- ENCoDE（mEasuring skiN Color to correct pulse Oximetry DisparitiEs）：同团队（含 Matos、Wong）的前瞻性研究，采集OMOP 格式的 EHR 关联肤色测量数据——它正是为补上 BOLD "无客观皮肤色度"这一短板而生。BOLD 用种族代理肤色，ENCoDE 则实测肤色，两者构成"回顾性 vs 前瞻性"的互补。
- SaO2-SpO2 Pairs Dataset（Fong, Lipnick, Bickler, Feiner，Restricted Access）：另一条血氧配对数据路线，来自控制条件下的高保真波形 + 肤色测量，与 BOLD 形成"受控实验 vs 真实世界"的对偶。
- 相关文献集群：Sjoding 2020、Gottlieb 2022、Charpignon 2023、Nazer 2023，以及 Br J Anaesth 2024 的肤色对脉氧精度影响的系统综述。
§9 关系与区别：BOLD vs MIT Datathon 2023 vs MIMIC 原库
这是本条目最需要讲清的一节，因为三个名字极易混淆，而混淆会直接导致错误的规模与适用范围结论。
9.1 BOLD vs MIT Critical Datathon 2023（姊妹数据集，最易撞车）
| 维度 | BOLD（blood-gas-oximetry） | MIT Critical Datathon 2023 |
|---|---|---|
| 来源库 | MIMIC-III + MIMIC-IV + eICU-CRD（三库） | 仅 MIMIC-IV v2.2（单库） |
| 配对数 | 49,099 | 81,797 |
| 患者数 | 44,907 | （未在摘要中同口径披露） |
| 配对时间窗 | ≤5 分钟（SpO2 前置） | ≤90 分钟（SpO2 前置） |
| 首对约束 | 每次住院仅留首对 | 未设首对约束（每对保留 offset） |
| 上线时点 | 2023-11-08 | 2023-05-07 |
| DOI | 10.13026/phvt-3277 | 10.13026/jfpc-pz79 |
| 定位 | 三库整合的"更大（更大范围）版" | Datathon 试跑版，BOLD 前身 |
核心反直觉点：Datathon 版 81,797 对 多于 BOLD 的 49,099 对，为什么还说 BOLD 是"更大版"？因为"更大"指的是覆盖范围更广（三库 vs 单库）与质量更严（5 分钟 vs 90 分钟、首对约束、70–100% 区间），而非对数更多。BOLD 主动收窄了配对规则以提升配对的时间一致性与患者代表性，代价是对数减少。
选用建议：若研究需要最大配对量且不介意宽时间窗，用 Datathon 版；若研究需要跨三库的群体多样性、且要求严时间对齐，用 BOLD。两者不可混为一谈，也不应合并使用（会有患者重叠与规则冲突）。
9.2 BOLD vs MIMIC 原库（衍生 vs 原始）
| 维度 | MIMIC-III / MIMIC-IV / eICU-CRD（原库） | BOLD（衍生加工层） |
|---|---|---|
| 形态 | 逐表原始 EHR（chartevents、labevents 等几十张表） | 已配对、已对齐、概念已协调的宽表 |
| 使用者门槛 | 高（需自写 SQL 抽取、对齐、协调） | 低（分析就绪，直接开跑） |
| 变量覆盖 | 全（原库有的一切） | 窄（仅三库共有的变量，为最小化缺失） |
| 与原库连接 | —— | 保留三层标识符，可回链原库拉取未收录变量 |
| 定位 | 原始矿藏 | 已选矿、已熔炼的合金 |
关键理解：BOLD 不替代 MIMIC/eICU 原库，它是架在原库之上的加工层。它的"窄"（只保留三库共有变量）是刻意的取舍——用变量覆盖换取跨库一致性与即用性。研究若需要 BOLD 未收录的原库变量（如 eICU 独有的医院级细节、MIMIC 独有的高分辨波形），可凭 BOLD 的标识符回到原库自取。这层"可回链"设计是 BOLD 最重要的工程优点之一。
9.3 与库内 MIMIC 衍生条目家族的定位
BOLD 在千方库内的坐标是"MIMIC/eICU 衍生加工数据"这一大类。同族条目如 mimic-iv-ext-pe（618）（MIMIC-IV 肺栓塞衍生）、mimic-iii-ext-ppg（928）（MIMIC-III 光电容积脉搏波衍生）、mimic-iv-ecg（172）、mimic-iv-waveform（65） 等，都是"在原库上做特定主题抽取"的思路。BOLD 的独特之处在于：
- 它以跨库整合（三库横向拼接）为方法核心，而非单库主题抽取；
- 它的主题（血氧偏差/健康公平）带明确的社会医学价值取向，而非纯临床预测任务；
- 它的配对规则（5 分钟因果窗口 + 首对约束）体现时间对齐的方法学严谨。
9.4 建议互链点
| 互链条目 | rid | 关系 |
|---|---|---|
| eicu-crd | 552 | 最大来源库（43,438 对） |
| eicu-collaborative | 9 | eICU 协作研究库条目 |
| mimic-iii / mimiciii | 106 / 590 | 上游来源库（740 对） |
| mimic-iv-clinical-database / mimiciv | 4 / 592 | 上游来源库（4,921 对） |
| mimic-iv-ext-pe | 618 | 同族 MIMIC-IV 衍生加工条目 |
| mimic-iii-ext-ppg | 928 | 同族生理信号衍生条目 |
| mimic-iv-ecg | 172 | MIMIC-IV 生理信号衍生 |
| mimic-iv-waveform | 65 | MIMIC-IV 波形衍生 |
| mit-critical-datathon-2023 | （生产中） | 直接前身/姊妹数据集 |
§5ter 变量字典：可支撑的典型分析
下面把 BOLD 宽表里最常用的字段整理成一张字典，并逐条标注它"能干什么、注意什么"。这张表是研究者上手 BOLD 时的第一张速查卡。
标识与坐标类
| 字段（示意名） | 含义 | 能干什么 | 注意什么 |
|---|---|---|---|
| patient id | 患者级唯一标 | 分组、去重、患者级统计 | 患者可多次住院 |
| hospital id | 医院级标 | 分机构分析 | MIMIC 统一为 9999 |
| icu stay id | ICU 留观级标 | 多次留观区分 | 与住院级不同 |
| source database | 源库标 | 分库分层 | 全库统计受 eICU 主导 |
核心测量类
| 字段 | 含义 | 能干什么 | 注意什么 |
|---|---|---|---|
| SaO2 | 动脉血气金标准 | 标签、真值 | 缺失整对剔除 |
| SpO2 | 脉搏血氧估算 | 特征、被评估对象 | 前置且 ≤5 分钟 |
| delta_spo2 | 两者时间差 | 精度筛选 | 恒为负 |
人口学类
| 字段 | 含义 | 能干什么 | 注意什么 |
|---|---|---|---|
| admission age | 入院年龄 | 协变量、分层 | 18–89；≥90 记 90（天花板效应） |
| sex | 性别 | 协变量、分层 | —— |
| race/ethnicity | 种族族裔 | 核心分层变量 | 8 类；深肤色代理（非实测） |
生命体征类（vitals_）
| 字段 | 含义 | 能干什么 | 注意什么 |
|---|---|---|---|
| vitals_temperature | 体温 | 协变量 | 带 delta_ |
| vitals_heart_rate | 心率 | 协变量 | 带 delta_ |
| vitals_resp_rate | 呼吸频率 | 协变量 | 带 delta_ |
| vitals_nibp / ibp | 无创/有创血压 | 协变量 | IBP 缺失含严重度信号 |
| SpO2 | 脉搏血氧 | 核心特征 | 同 §5.1 |
实验室类
| 字段前缀 | 面板 | 能干什么 | 注意什么 |
|---|---|---|---|
| （无） | 动脉血气 | pH、PaO2、PaCO2 等 | ABG 时点为基准 |
| cbc_ | 血细胞计数 | 贫血/感染协变量 | 带 delta_ |
| coag_ | 凝血 | 凝血状态 | 带 delta_ |
| bmp_ | 基础代谢 | 电解质/肾功能 | 带 delta_ |
| hfp_ | 肝功能 | 肝功能 | 带 delta_ |
| other_ | 其他酶 | 补充指标 | 带 delta_ |
评分与结局类
| 字段 | 含义 | 能干什么 | 注意什么 |
|---|---|---|---|
| sofa_past_ | ABG 前 1h SOFA | 基线器官功能 | 前 1 小时，防污染 |
| sofa_future_ | ABG 后 24h SOFA | 结局变量 | 后 24 小时 |
| elixhauser/charison | 共病指数 | 严重度分层 | 库间不可比 |
| in-hospital mortality | 院内死亡 | 患者级结局 | 逐患者标注 |
| BMI | 体质指数 | 协变量 | 入院身高体重算 |
用这张字典的三条纪律
- 凡带
delta_的字段都要问"我容忍多大的时间差"——BOLD 不替你决定，它只给原始差值。 - 凡跨库分析都要先看
source database——同一字段在不同库的口径可能不同。 - 凡涉及肤色的结论都要标注"种族代理"——BOLD 不含实测色度（§2.5）。
§7ter 公平性评估的方法学要点
既然 BOLD 的核心使命是健康公平，本节把"如何正确地在 BOLD 上做公平性评估"单列出来，因为这里有若干容易做错的方法学细节。
要点一：分层，分层，再分层
公平性评估的第一原则是分群体报告。绝对不要只报一个总体 AUROC 或总体 MAE——总体数字会把分群体差异平均掉，而差异恰恰是研究对象。正确的做法是同时报告：总体指标、每个种族/族裔的指标、以及群体间的指标差距（gap）。
要点二：区分"校准"与"判别"
偏差研究里两个概念要分清：
- 判别（discrimination）：模型能否区分低氧与非低氧（AUROC/AUPRC）。这是"排序能力"。
- 校准（calibration）：模型给出的概率/数值是否与真实频率一致。
血氧仪的问题本质上是校准问题（读数系统性地偏），而非判别问题（它对浅肤色人群的排序可能是准的）。因此，公平性评估必须包含校准指标，不能只看 AUROC——这一点常被忽略。
要点三：警惕"公平性指标本身的选择"
不同的公平性定义（equalized odds、equal opportunity、calibration within groups 等）可能互相冲突——这是公平性 ML 的经典困境。BOLD 不替你选定义，它只提供分层所需的字段。使用者在报告时必须明确自己用的是哪一种公平性口径，并说明为何选它。
要点四：考虑"肤色代理"的误差传播
由于 BOLD 用种族代理肤色（§2.5），任何"按肤色分层"的结论都带着代理误差。这意味着：若观察到种族间差异，它既可能来自真实肤色差异，也可能来自与种族相关的其他因素（如社会经济、共病结构、就医延迟）。诚实的报告应把这层不确定性讲清楚，而不是直接把种族差异等同于肤色物理效应。
要点五：外部验证
在 BOLD 上训练的模型，不应只在 BOLD 上评测。理想做法是在不同来源（如 ENCoDE 前瞻队列、控制实验数据）上做外部验证，检验公平性结论是否跨数据集稳定。只在 BOLD 内自评的模型，其公平性主张是脆弱的。
一个诚实的边界声明
上述五点的共同指向是：BOLD 让公平性研究"可做"，但不让结论"自动可靠"。它解决了数据可得性，却没有也不应该解决方法学判断。研究者仍需对分层口径、公平性定义、代理误差、外部验证负责。承认这些边界，才是负责任地使用 BOLD。
§9bis 常见混淆三连：一次性厘清
混淆一：BOLD vs MIT Critical Datathon 2023
已在 §9.1 详述。一句话记法：BOLD 是三库 5 分钟版，Datathon 是单库 90 分钟版，BOLD 是后出的扩展收紧版。
混淆二：BOLD vs MIMIC 原库
已在 §9.2 详述。一句话记法：原库是矿，BOLD 是选好的矿，BOLD 不替代原库。
混淆三：BOLD vs 库内其它 MIMIC-IV-Ext 条目
mimic-iv-ext-pe(618)、mimic-iii-ext-ppg(928) 等是单库单主题衍生；BOLD 是**跨三库单主题（血氧）**衍生。区别在"跨库整合"这一方法核心上。
三连速记
| 容易混淆 | 关键区分点 |
|---|---|
| BOLD vs Datathon | 三库 vs 单库；5min vs 90min；49k vs 81k |
| BOLD vs MIMIC 原库 | 加工层 vs 原始层；可回链 |
| BOLD vs MIMIC-IV-Ext-* | 跨三库 vs 单库 |
§1bis 补充问答：十四个更细的问题
§1 的十问十答覆盖了主干，这里补充十四个实践中最常被追问的细节问题。
Q11：BOLD 里的"对（pair）"是行还是列？
以行为单位。每一行是一对（SaO2, SpO2）测量及其附属变量。“49,099 对"即"约四万九千行”。理解这一点对写 SQL/ pandas 很关键——不要按"两个测量两行"去理解。
Q12：为什么配对要求 SpO2 在前？反过来不行吗？
不行。临床流程是"先看到血氧仪读数 → 再决定抽动脉血验血气"，因此 SpO2 必在 SaO2 之前。反向配对会破坏这条因果链（§3bis）。
Q13：5 分钟窗会不会太严，丢太多数据？
会丢掉不少。但这正是与 Datathon 版（90 分钟）的核心取舍——BOLD 选择精度优先。若研究能容忍宽窗，可用 Datathon 版（§9.1）。
Q14：delta_spo2 是正还是负？
恒为负（或零），因为 SpO2 前置。它的绝对值就是配对的时间间隔，可用于"只要间隔 < 2 分钟"之类的精筛。
Q15：SOFA 为什么要有 past 和 future 两个方向？
sofa_past_（前 1 小时）刻画采血时的器官功能基底，且刻意取在 ABG 之前，避免本次测量污染；sofa_future_（后 24 小时）量化本次低氧事件之后的后果。一前一后构成干净的因果切片（§5.4）。
Q16：共病指数在三个库里一样吗？
不一样。MIMIC-III 用 Elixhauser，MIMIC-IV 与 eICU-CRD 用 Charlson。跨库比较共病负担须谨慎（§5.5、坑 5）。
Q17：BOLD 有三库之外的第四个来源吗？
没有。全部来自 MIMIC-III、MIMIC-IV、eICU-CRD 三个库，无新增采集（§9.2）。
Q18：患者数 44,907 为什么小于对数 49,099？
因为一个患者可能有多次住院，每次住院最多贡献一对，因此"对"数可以略多于"患者"数。作者原话：pairs > patients because a single patient can have multiple hospital stays。
Q19：BOLD 能直接告诉我某台血氧仪准不准吗？
不能直接给设备级结论，但能提供设备级别的 SpO2 与金标准 SaO2 对照——研究者可据此评估该设备在不同群体上的偏差。设备型号信息是否保留取决于原库（BOLD 只合并三库共有变量）。
Q20：BOLD 有没有图像或波形？
没有。它是表格数据（CSV 宽表）。波形在 MIMIC-IV-Waveform(65) 等条目，与 BOLD 互补（§9.4）。
Q21：我能把 BOLD 直接传到 HuggingFace 吗？
不能。凭证数据协议禁止再分发（§6.3、坑 8）。代码可以，数据不行。
Q22：BOLD 适合做时间序列建模吗？
受限。因每次住院只留首对、且时变协变量取"时点前最近一次"的单值，它更像横截面 + 快照，不是连续时序。要做时序需回原库（§3bis 首对约束的代价）。
Q23：论文和 PhysioNet 的作者为什么不一样多？
PhysioNet v1.0 页列 9 位作者，正式论文列 13 位——论文版在 Datathon 之后增补了 Duke/Emory 等合作者（§2、坑点存照）。
Q24：BOLD 的"健康公平"是研究主题还是数据属性？
两者都是。它既是研究主题（血氧仪偏差），也是数据属性（少数族裔占约 25%，历史上少见）。前者是它的目的，后者是它实现目的的手段。
§6ter 使用场景与许可边界：四问四答
问：我能在商业产品里用 BOLD 训练模型吗？
凭证数据使用协议的核心是研究用途与不再分发。商业用途是否允许，取决于你在 PhysioNet 签署的具体协议条款与你所在机构的解释——务必在使用前与机构伦理/法务确认，不要默认"能下载就能商用"。这是 BOLD 使用中最容易踩红线的地方。
问：BOLD 训练出的模型权重能公开吗？
通常可以（模型权重不是原始数据）。但若模型能反推出训练样本（如记忆了特定患者记录），则可能触及再分发禁忌。稳妥做法是发布模型时做隐私审计，或在协议允许范围内发布。
问：我能把 BOLD 与其它公开数据合并吗？
物理上可以（只要对同一批患者做去重），但语义上要谨慎：BOLD 已是 MIMIC/eICU 的衍生，再与 MIMIC 原库合并会造成患者重复计数。正确做法是用 BOLD 的源库标识排除重叠，或用原库自建而非叠加。
问：发表时怎么致谢？
按协议致谢 PhysioNet 与 BOLD 作者，并声明遵循 Credentialed Health Data License Agreement。论文层面的引用格式见 §附录 B。
许可边界的记忆法
把 BOLD 的许可记成一条线：数据不可搬，代码随便看，模型审慎发。这条线划清了"可复现"与"可滥用"的边界。
§10bis 偏倚来源清单：BOLD 自带哪些偏倚
既然 BOLD 的使命是研究偏倚，诚实地说清它自己带哪些偏倚就格外重要。以下按来源分层列出。
来源层偏倚
- 记录偏倚：EHR 由临床人员在诊疗中填写，记录行为本身有偏（作者明示 at-risk）。
- 单中心偏倚：MIMIC-III/IV 均来自 BIDMC 一家，机构多样性全靠 eICU-CRD（§2bis）。
- 时代偏倚：MIMIC-III 是 2001–2012，eICU-CRD 是 2014–2015，跨时代混样隐含"设备偏差机制稳定"假设。
加工层偏倚
- 选择偏倚：5 分钟窗 + 首对约束 + 70–100% 区间，系统性排除流程慢、采血迟、极度低氧的病例。
- 分布偏斜：eICU-CRD 占约 88%，全库统计被其主导（坑 4）。
- 代理误差：种族代理肤色，非实测色度，且原库 race/ethnicity 区分不可靠（§2.5）。
使用层偏倚
- 分层缺失：使用者若不分层报告，会把群体差异平均掉（§7ter）。
- 外部效度：仅在 BOLD 内验证的模型，结论可能不跨数据集稳定（§7ter 要点五）。
这张清单的用法
这张清单不是要否定 BOLD，而是让使用者在论文里如实声明局限。BOLD 的作者自己就把这些偏倚写得清清楚楚（尤其是代理误差），使用者也应如此——一个研究偏倚的数据集，其使用者更有义务透明地报告偏倚，否则就成了"用不透明的数据研究透明度问题"的悖论。
§10 避坑清单：八个已踩过或易踩的坑
BOLD 的坑大多藏在"名字像谁、规模算大算小、变量能不能直接比"这些看似细节的地方。以下八条按踩坑代价排序。
坑 1：把 BOLD 与 MIT Critical Datathon 2023 当成同一个数据集
现象：搜"blood gas oximetry MIMIC"时两个数据集同时出现，作者高度重叠，都在 PhysioNet，容易当成"改名重发"。
代价：直接得出错误的规模结论（一个 49,099，一个 81,797），或误以为 BOLD 只是 Datathon 的镜像。
正解：两者是同一计划的先后两版——Datathon 版仅 MIMIC-IV、90 分钟窗；BOLD 整合三库、5 分钟窗、加首对约束。见 §9.1 对照表。绝不要合并使用（患者重叠 + 规则冲突）。
坑 2：以为 BOLD 是"新采集的数据"
现象："linked dataset"听起来像把新数据链接起来。
代价：误解其数据质量责任边界——BOLD 的偏差来自原库，BOLD 不产生新观测。
正解：BOLD 零新采集，全部"抽取 + 配对 + 对齐 + 协调"自 MIMIC-III/IV 与 eICU-CRD。理解它必须理解那三个上游库（见 §2、§9.2）。
坑 3：误以为"对数多 = 数据集更大"
现象：看到 Datathon 版 81,797 > BOLD 49,099，判定 BOLD 更小。
代价：选错数据集，或低估 BOLD 的覆盖范围。
正解："更大"在 BOLD 语境指覆盖三库 + 规则更严，非对数更多。BOLD 是主动收窄（5 分钟窗、首对、70–100%）换取质量与代表性（§9.1）。
坑 4：忽略 eICU-CRD 占近九成带来的分布偏斜
现象：直接在全库上算偏差率，或把 eICU-CRD 的结论推广到 MIMIC。
代价：结论被 eICU-CRD 主导（43,438/49,099 ≈ 88%），且库间人群、机构、时代差异被掩盖。
正解：分库/分源报告结果，或在模型里把源库作为协变量/分层变量（见 §2.1）。
坑 5：把 Elixhauser 与 Charlson 当成可比共病分
现象：直接用共病指数跨库比较病情严重度。
代价：引入库来源混淆的伪信号——MIMIC-III 用 Elixhauser，MIMIC-IV/eICU 用 Charlson，两者不是同一量表。
正解：共病指数只在库内使用，跨库时改用诊断类别本身，或明确标注不可比（见 §5.5）。
坑 6：把 BOLD 与 fMRI 的 BOLD 信号混淆
现象：检索 “BOLD dataset” 得到的是功能磁共振的 blood-oxygen-level-dependent 信号数据。
代价：彻底找错领域。
正解：本文 BOLD 是 blood-gas + oximetry linked 的简称，与神经影像无关。检索时务必带上 “blood-gas” 或 “oximetry” 限定词。
坑 7：把"缺失"当成纯粹的噪声
现象：有创血压（IBP）、某些化验的缺失被当作随机缺失直接丢或简单插补。
代价：丢失缺失携带的病情严重度信号（如 IBP 缺失≈未置动脉管≈病情相对轻），或引入选择偏倚。
正解：先分析缺失机制（是否 MNAR），再决定处理策略；把关键缺失模式作为特征或分层变量（见 §5.2）。
坑 8：误以为"代码公开"意味着"数据可自由分发"
现象：见 GitHub 代码公开，就以为数据也能托管到公开镜像或团队内共享。
代价：违反 PhysioNet 凭证数据使用协议——协议禁止再分发，团队成员须各自获凭证。
正解：代码公开 ≠ 数据开放。数据走 Credentialed Access，不可再分发、不可尝试重标识；模型权重可公开但原始数据不可（见 §6.3、§6.4）。
§10.x DAIMS 评估表
DAIMS（Data and Analytics Infrastructure Maturity Standard 口径下的数据集成熟度评估）——对 BOLD 的六个维度打分（1–5 分）：
| 维度 | 评分 | 依据 |
|---|---|---|
| 可发现性（Findability） | 5/5 | PhysioNet 官方托管，DOI 10.13026/phvt-3277，论文双刊（Sci Data + medRxiv），检索友好 |
| 可获取性（Accessibility） | 3/5 | Credentialed Access——须 CITI 培训 + 协议 + 身份核验，无匿名直链，且禁止再分发 |
| 互操作性（Interoperability） | 4/5 | 变量前缀系统化、三库概念协调、三层标识符可回链；扣分在共病指数跨库不可比（Elixhauser vs Charlson） |
| 可复用性（Reusability） | 5/5 | 代码公开可复现、分析就绪宽表、方法可迁移到其他数据库；作者明示可修改适配 |
| 数据质量（Quality） | 4/5 | 配对规则严谨、时间对齐因果取向、SOFA 前后切片；扣分在种族代理肤色（无客观色度）与库间分布偏斜 |
| 治理与伦理（Governance） | 5/5 | 去标识化 + 凭证协议 + 豁免审查 + 偏倚风险披露；作者主动声明利益冲突 |
综合：BOLD 是典型的**“高方法成熟度 + 受治理获取”**数据集——可发现、可复用、治理规范，唯独获取门槛（Credentialed）拉低了"可获取性"这一维，这是重症去标识化数据的通行代价，非缺陷。
§11 总结
BOLD 用 49,099 对 SpO2–SaO2 测量回答了一个被忽视太久的问题：当同一台血氧仪对深肤色的人测得没那么准时，我们有没有数据去研究它、去修它？ 它的答案是把三个最大的公开重症数据库（MIMIC-III、MIMIC-IV、eICU-CRD）里"血氧读数与动脉血气在 5 分钟内成对出现"的记录，用一套公开可复现的流水线配对、对齐、协调，拼成一张分析就绪的宽表，其中约四分之一来自少数种族与族裔群体。
它不是一个榜单，不是一个模型，也不是一次采集——它是一个基座：给去偏算法提供训练材料，给健康公平研究提供分层样本，给教学提供真实的重症数据。它的边界也清晰：用种族代理肤色而非实测，机构多样性依赖 eICU-CRD，共病指数跨库不可比，获取须走凭证流程。
若要一句话概括它在本库中的坐标：BOLD 是 MIMIC/eICU 家族的"血氧公平性切片"——它站在 MIMIC-III(106)、MIMIC-IV(4)、eICU-CRD(552) 三个原始库与 mimic-iv-ext-pe(618) 等衍生条目之间，而它与 MIT Critical Datathon 2023（同团队前身）的关系，是理解它"为什么是这个样子"的最后一块拼图（§9）。
附录 A：核心数字速查
| 指标 | 数值 |
|---|---|
| 总配对数 | 49,099 |
| 总患者数 | 44,907 |
| MIMIC-IV | 4,921 对 / 4,778 患者 |
| MIMIC-III | 740 对 / 728 患者 |
| eICU-CRD | 43,438 对 / 39,401 患者 |
| 配对时间窗 | ≤5 分钟（SpO2 前置） |
| 氧饱和度区间 | 70–100% |
| 每次住院保留 | 仅首对 |
| 少数族裔占比 | 约 25% |
| 种族/族裔类别数 | 8 |
| 年龄口径 | 18–89 记录，≥90 记 90 |
| MIMIC 医院索引 | 9999 |
附录 B：来源与来源 URL
- PhysioNet 官方页：https://physionet.org/content/blood-gas-oximetry/1.0/ （DOI 10.13026/phvt-3277）
- 正式论文：Sci Data 2024;11:535，https://doi.org/10.1038/s41597-024-03225-z （PMID 38789452，PMCID PMC11126612）
- medRxiv 预印本：https://doi.org/10.1101/2023.10.03.23296485
- 代码仓库：https://github.com/joamats/pulse-ox-dataset
- 前身数据集（MIT Critical Datathon 2023）：https://physionet.org/content/mit-critical-datathon-2023/1.0.0 （DOI 10.13026/jfpc-pz79）
- 团队复盘（Springer Nature 社区）：https://communities.springernature.com/posts/building-foundations-from-datathons-to-open-data
附录 C：库内建议互链点（含 rid）
| 条目 | rid | 关系 |
|---|---|---|
| eicu-crd | 552 | 最大来源库 |
| eicu-collaborative | 9 | eICU 协作条目 |
| mimic-iii | 106 | 上游来源库 |
| mimiciii | 590 | MIMIC-III 别名条目 |
| mimic-iv-clinical-database | 4 | 上游来源库 |
| mimiciv | 592 | MIMIC-IV 别名条目 |
| mimic-iv-ext-pe | 618 | 同族 MIMIC-IV 衍生条目 |
| mimic-iii-ext-ppg | 928 | 同族生理信号衍生条目 |
| mimic-iv-ecg | 172 | MIMIC-IV 生理信号衍生 |
| mimic-iv-waveform | 65 | MIMIC-IV 波形衍生 |
§0bis 三个"为什么"：理解 BOLD 的钥匙
在进入细节之前，先把三个最容易问偏的"为什么"讲透，它们共同构成了 BOLD 的设计哲学。
为什么要在"配对"上下功夫，而不是只给两张表？
一个直觉的做法是：把三个库的 SpO2 表和 SaO2 表直接给你，让你自己去按时间戳配对。BOLD 没有这么做，原因是配对本身是研究的关键变量。
配对规则一旦不同，得到的"偏差"结论就会不同。比如用 90 分钟窗配对，你会把"病人已经给氧、状态已经变化"的读数也算进偏差里，夸大了设备偏差；用 5 分钟窗配对，才更接近"同一生理瞬间的两面镜子"。如果 BOLD 只给原始表、不规定配对规则，那么两篇研究用了不同的配对规则，结论就没法互相比较。BOLD 把配对规则固化进数据集，是为了让所有人的偏差结论建立在同一把尺子上。 这是它作为"基座"最重要的贡献——统一了实验条件。
为什么整合三个库，而不是只用最大的 eICU-CRD？
eICU-CRD 单独就有四万多对，听起来够用。但两个 MIMIC 库各有不可替代的价值：
- MIMIC-IV 变量最全：它的
chartevents/labevents覆盖最细，是生命体征与化验字段质量最高的来源。 - MIMIC-III 提供最老的时代切片：2001–2012 的数据让研究者能观察偏差是否随年代变化（设备校准算法在更新）。
- 三库合并才能支撑"跨时代、跨机构"的稳定性检验：只在 eICU-CRD 上得出的结论，无法回答"这是否是普遍现象"。
整合三库的代价是"分布极不均衡"（§2bis），但换来的是更广的覆盖与更强的外部效度。这是一个典型的"广度 vs 均衡"取舍，BOLD 选了广度。
为什么强调"约 25% 少数族裔"？
这是 BOLD 全部卖点里最容易被低估、却最关键的一个。假设一个研究要比较黑人与白人的血氧偏差，若黑人样本只占 3%，那么黑人子组的置信区间会宽得无法给出结论——统计效力不足，等于没做。BOLD 把少数族裔比例做到约 25%，直接解决了这个"分层评估无样本"的死结。
作者用"seldom achieved in previous studies（以往研究很少达到）“来强调这一点，它道出了一个残酷现实：过去的偏差研究大多在少数族裔样本不足的条件下挣扎。BOLD 的意义很大程度就在这个比例上——它让"按肤色分层"从"理论上可做"变成"统计上做得动”。
三个"为什么"的合流
统一配对规则（可比性）+ 整合三库（广度与外部效度）+ 保证少数族裔比例（统计效力），三者合流指向同一个目标：造一个能让血氧偏差研究得出可靠、可比、可外推结论的基座。理解这三个"为什么"，就理解了 BOLD 的每一个设计决定。
§8ter 版本、时点与命名细节的再核对
本节把几个容易在写作与引用中出错的技术细节集中核清。
名称的两种写法
- PhysioNet 页面标题：BOLD, a blood-gas and oximetry linked dataset（小写 a/The，逗号分隔）
- 论文标题：BOLD: Blood-gas and Oximetry Linked Dataset（冒号，Title Case）
引用时按来源各取其所：引 PhysioNet 用前者，引论文用后者。本条目在 §附录 B 按来源分别列出。
两个 DOI 别搞混
| 资源 | DOI |
|---|---|
| BOLD 数据集（PhysioNet v1.0） | 10.13026/phvt-3277 |
| BOLD 论文（Sci Data） | 10.1038/s41597-024-03225-z |
| BOLD 预印本（medRxiv） | 10.1101/2023.10.03.23296485 |
| Datathon 数据集（前身） | 10.13026/jfpc-pz79 |
数据集有数据集的 DOI，论文有论文的 DOI，引用数据要引数据 DOI，引用方法要引论文 DOI。
版本的时点
- PhysioNet 首发 2023-11-08（v1.0）
- 论文发表 2024-05-24（Sci Data 11:535）
- 二者相隔约半年——数据先于论文发布是 Data Descriptor 的常规节奏。
作者署名的差异
- PhysioNet：Matos, Struja, Gallifant, Nakayama, Charpignon, Liu, dos Santos Cardoso, Celi, Wong（9 人）
- 论文：上述 + Economou-Zavlanos, Johnson, Bhavsar, Gichoya（共 13 人）
差异原因：论文的正式署名包含了 Datathon 之后加入的 Duke（Wong 组、Johnson、Bhavsar）与 Emory（Gichoya）合作者。引用作者列表时按来源各取。
一个引用陷阱
Sci Data 的 Article number 是 535（不是页码的起止页），引用写作 “Sci Data 11, 535 (2024)”。别误写成 “11(1):535-545” 之类——Data Descriptor 通常只给 article number。
§11bis 一句话总结与三个使用建议
一句话
BOLD 是把 MIMIC-III、MIMIC-IV、eICU-CRD 三个重症库里 SpO2 与 SaO2 在 5 分钟内成对的测量，用统一规则配对、对齐、协调而成的 49,099 对分析就绪宽表，专为研究血氧仪在深肤色人群中的偏差而生。
三个使用建议
- 先分层再统计：任何指标都按种族/族裔与源库分层报告，否则糟蹋了 BOLD 的核心价值（§7ter）。
- 先读许可再动手：Credentialed Access 有明确边界，数据不可搬、代码可看、模型慎发（§6.3、坑 8）。
- 先声明局限再下结论：种族代理肤色、库间量表不可比、分布偏斜、横截面非时序——把这些写进论文局限（§10bis）。
给不同类型读者的入口
| 你是 | 直接看 |
|---|---|
| 想快速了解这是什么 | §0、§1 |
| 想搞清配对规则 | §3、§3bis |
| 想搞清它与 MIMIC/Datathon 的关系 | §9、§9bis |
| 想拿数据开始做 | §6、§6bis、附录 B |
| 想做公平性研究 | §7ter、§10bis |
| 想引用它 | §8ter、附录 B |
§12 常见问题补充：研究者最关心的二十条
以下是检索与使用 BOLD 时高频出现、但在官方页面未集中回答的二十条实操问题，供快速查阅。
Q25：BOLD 有没有预处理好的训练/验证/测试划分？
官方页面未提供固定划分。使用者需自行按患者分层划分（务必患者级划分，勿按行随机划分，否则同一患者的多次住院会跨集泄露）。
Q26：缺失值多吗？
BOLD 只保留三库共有变量以最小化缺失，但实验室值与有创监测仍会有缺失。使用前务必先做缺失率画像（§10bis 来源层偏倚）。
Q27：能直接用于临床决策吗？
绝对不能。BOLD 是回顾性研究数据，作者明确要求任何模型部署前必须做公平性与可解释性审计（§7ter）。
Q28：SpO2 的取值范围？
因配对要求 SpO2–SaO2 均在合理氧饱和区间，SpO2 有效区间与配对门槛一致（氧饱和度 70–100%）。
Q29：三个库的患者会重叠吗？
不会。MIMIC 来自 BIDMC，eICU-CRD 来自多中心，机构不同，作者另建唯一标识防重叠。
Q30：数据是英文表头吗？
是，字段名为英文（如 vitals_、sofa_past_ 前缀）。
Q31：处理种族时要注意什么？
用 8 类标准化类别，并声明其代理性质（§2.5）。切勿把"种族"直接等同于"肤色物理属性"。
Q32：BOLD 的更新频率？
截至抓取时点为 v1.0（2023-11-08），无后续版本公开。
Q33：有没有中文版或镜像？
无官方中文版；凭证协议也禁止非官方镜像（§6.3）。
Q34：能用于教学吗？
可以，作者本人就把 BOLD 用作课程与 Datathon 教材（§7.4），但学员仍须各自取得凭证。
Q35：BOLD 与 MIMIC-IV-ECG(172) 能合并吗？
可基于标识符关联，但须处理患者重叠与时间对齐，属进阶用法。
Q36：SOFA 是每小时一个值吗？
是，sofa_past_ 与 sofa_future_ 各自按小时计算（§5.4）。
Q37：delta 后缀字段都是负的吗？
大多数协变量 delta 为负（取 ABG 之前），SOFA future 是例外（取之后）。使用前逐字段确认方向。
Q38：能算 PaO2/FiO2 比值吗？
ABG 面板含血气值，FiO2 在部分库可得；取决于原库变量是否落入"三库共有"集合。
Q39：论文里怎么描述 BOLD 的规模？
写作"49,099 paired SpO2–SaO2 measurements from 44,907 patients across three ICU-EHR databases"。
Q40：BOLD 的最大学术价值是什么？
为血氧仪种族偏差研究提供规模、均衡性、配对严谨性三者兼备的真实世界基座（§11）。
Q41：如果我的研究需要客观皮肤色度怎么办？
BOLD 不含，需转向 ENCoDE 等实测肤色数据集（§7bis）。
Q42：BOLD 只覆盖 US 患者吗？
是，三库均为美国 ICU 患者，外部效度对非美人群待验证。
Q43：能否用 BOLD 研究设备型号差异？
取决于原库是否保留设备型号字段；BOLD 本身不含设备型号列，须回链原库。
Q44：引用时写哪一年？
数据引 2023（PhysioNet v1.0），论文引 2024（Sci Data）。见 §8ter。
§13 结语：为什么这个条目值得被认真写
千方病案医数集收录 BOLD，不是为了再添一条"MIMIC 衍生集"的流水账，而是因为它代表了一类特殊的数据集：它研究的对象本身就是"数据的偏差"，而它的存在方式又受制于"数据的治理"。这两个特征让它比普通数据集更需要被讲清楚而不是简单罗列。
三件事必须被讲清楚，否则这个条目会误导检索者：
- 它不是 MIMIC 的替代品，是加工层——不点破这一点，使用者会以为下了 BOLD 就下了 MIMIC（§9.2）。
- 它不与 MIT Critical Datathon 2023 等同——不点破这一点，规模与窗口的数字会全错（§9.1）。
- 它的肤色是代理而非实测——不点破这一点，任何基于它的肤色结论都会被高估精度（§2.5）。
本条目用了大量篇幅做"区分"与"存照"，正是为了把这三件事钉牢。其余的内容——配对规则、变量字典、公平性评估方法、偏倚清单——都是服务于一个目的：让检索者看完这一条，就能正确、负责地使用 BOLD。
最后回到 BOLD 的初衷。作者在论文结尾写道：希望 BOLD 被用来开发去偏算法，让医疗更公平。这句话的分量在于，它把一个纯技术问题（光吸收）与一个社会问题（医疗公平）缝在了一起。BOLD 是一个把物理学的疏忽、工程学的欠账、临床的延误、以及统计的力量接在一起的数据集——这大概就是它值得一个完整百科条目的理由。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- maternal-ultrasound-nutrition — 共享标签：电子健康记录 / 真实世界数据 / 公共卫生与流行病学
- n3c — 共享标签：电子健康记录 / 重症监护 / 真实世界数据 / 公共卫生与流行病学
- hrs — 共享标签：电子健康记录 / 队列研究 / 公共卫生与流行病学
- icu-infection-zigong-fourth — 共享标签：电子健康记录 / 重症监护 / 队列研究
- outcomerea — 共享标签：电子健康记录 / 重症监护 / 队列研究
- openfda — 共享标签：电子健康记录 / 真实世界数据 / 公共卫生与流行病学
- truveta — 共享标签：电子健康记录 / 重症监护 / 真实世界数据
- gemini — 共享标签：电子健康记录 / 真实世界数据 / 公共卫生与流行病学
- opensafely — 共享标签：电子健康记录 / 真实世界数据 / 队列研究
- cprd — 共享标签：电子健康记录 / 真实世界数据 / 队列研究
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
