CinC Challenge 2012 (cinc-2012) — AI-Ready Wikipedia

INFOBOX — CinC Challenge 2012 一屏速览

维度	内容
本质	PhysioNet/Computing in Cardiology 挑战赛数据集：12,000 例 ICU 住院的前 48h 不规则临床时序，预测本次住院院内死亡（衍生自 MIMIC-II v2.6，非新采集）
组织方	MIT（今 Laboratory for Computational Physiology）+ Beth Israel Deaconess Medical Center；依托 NIH 资助的 PhysioNet
论文	Silva I, Moody GB, Scott DJ, Celi LA, Mark RG. CinC 2012;39:245-248（PMID 24678516；PMCID PMC3965265）
数据	12,000 例 = set A/B/C 各 4,000；每例一个 CSV 文本；42 = 6 一般描述符 + 36 时序变量（去重后口径，另有 41 与 37+4 两套口径，见坑 3）
时间窗	ICU 入科后 前 48 小时；时间戳为距入院的"小时:分钟"，各行 Time,Parameter,Value
标签	Outcomes 六字段：RecordID/SAPS-I/SOFA/Length_of_stay/Survival/In-hospital_death(0/1)；Survival=-1 ⇒ 存活（约定值，坑 5）
类别平衡	实测 set-a：院内死亡 554/4,000 = 13.9%；LOS 均值 13.4 天；SAPS-I 均值 14.2
Event 1	二元分类，score = min(sensitivity, PPV)，范围 0-1，1 理想
Event 2	风险估计，score = range-normalized Hosmer-Lemeshow H，趋 0 理想
提交形式	源代码而非分数：m-code 函数 [risk,prediction]=physionet2012(time,param,value) 或 ANSI C 可执行；每条记录独立 run、禁止跨 run 存状态
冠军	Event 1：Johnson 等 6 人 0.5353（28 人参赛）；Event 2：Citi & Barbieri 17.88（23 人参赛）
baseline	官方 SAPS-I sample entry：Event 1 0.3125 / Event 2 68.58（m-code 版）
现代基准	STraTS 重划分口径（11,988 例）：GRU-D 0.833-0.846；STraTS-mTAND 0.860±0.004 最佳；PR-AUC 约 0.45-0.52
获取	**https://physionet.org/content/challenge-2012/1.0.0/**（set-a/、set-b/ 各 4,000 txt + Outcomes-a.txt；无注册门槛）
许可	数据 ODC-BY 1.0；参赛论文集 CC BY 3.0；组织者论文 DSpace 版 CC BY-NC-SA 4.0
库内互链	mimic-iii(106)、cinc-2019(656)、cinc-2015(487)、eicu-crd(552)、physionet-cinc-2017(162) 等（§7）

CinC Challenge 2012 是一个"用一场比赛定义一个领域"的数据集工程：它不新采一份数据，而是从 MIMIC-II 里随机抽出 12,000 例 ICU 住院，只给你入科后前 48 小时的不规则观测——化验、生命体征、机械通气状态，时间戳零散、缺失七成以上——让你预测这个人会不会死在这次住院里。它当年最大的特色不是数据，而是规则：参赛者交的不是分数而是源代码，官方在受控环境里逐条记录跑你的函数；评分也不用 AUC，Event 1 用 min(sensitivity, PPV) 逼你在极不平衡的两类之间找平衡，Event 2 用 Hosmer-Lemeshow 统计量同时考校准与区分度。比赛早已落幕，但这份数据成了此后十年"不规则采样多元临床时序"方法学的标准测试床——GRU-D、mTAND、SeFT、STraTS、EMIT 一个接一个在这里报到。

导语读法三则：

1. 只想下数据：直奔 §5 获取与许可——ODC-BY 1.0、无注册门槛、set-a/set-b 全量公开；但注意 set C 和 set-b 的 outcomes 永远拿不到。
2. 要跑现代基准：直奔 §4.4 与坑 6——STraTS 起的重划分（11,988 例）与官方用途相反，引用 AUC 前先看清口径。
3. 关心 -1 与缺失：直奔 §2.3 与坑 5——Survival=-1 是"存活"不是"缺失"，Height=-1 才是未记录，混用会毁掉你的标签。

§0 导读：这个数据集解决什么问题

2012 年之前，"用数据预测 ICU 死亡率"这件事有两堵墙。第一堵是数据墙：MIMIC-II 这类 ICU 数据库虽然存在，但申请周期长、格式庞杂，多数团队拿到的是一份需要数月清洗的原始库，而不是一个"下载即比赛"的聚焦任务。第二堵是方法墙：临床时序天然不规则——护士每小时量一次血压、化验一天做一次、有些变量整段住院只出现过一次——传统时间序列方法假设等间隔采样，直接套用要么粗暴重采样填充假值，要么干脆扔掉时序结构只取汇总统计量（比如用 SAPS-I 这种手工打分）。两堵墙合起来，使得"早期预测"长期停留在"用 48 小时数据算一个生理学评分"的水平。

PhysioNet/CinC Challenge 2012 的回答分三层。第一层是数据切片：从 MIMIC-II v2.6 的 12,753 例符合条件者（成人、首次 ICU 住院≥48h）中随机抽 12,000 例，切成 set A/B/C 各 4,000——训练集 outcomes 全公开，两个测试集一个只给数据、一个全隐匿。规则只有一条硬边界：你只能用前 48 小时的观测。第二层是评测协议：Event 1 考分类（min(Se,PPV)，在 13.9% 阳性率下同时保住查全与查准才可能有分）、Event 2 考校准（range-normalized HL 统计量，逼你输出真实风险而非排序）；参赛者提交的是能在官方框架里逐条记录独立运行的源代码——这个"交代码不交分"的设计在当年极为超前，直接预演了后来可复现性运动的核心理念。第三层是社区效应：三个月赛期内 28 人（Event 1）/23 人（Event 2）参赛，几乎所有参赛者都击败了 SAPS-I 基线，而数据在赛后以 ODC-BY 1.0 永久公开，成为 GRU-D 到 EMIT 一整代不规则时序方法的共同考场。

这个条目要回答的核心问题是：一份只有 48 小时、缺失率近八成、变量口径还有三种说法的比赛数据，为什么能撑起一个子领域十年的方法学进步？以及——今天的你拿它跑实验时，会踩哪些前人已经踩过的坑？

§0 读法三则：

1. 本条目数字有三套来源：官方论文与页面、本库第一手实测（下载 Outcomes-a.txt 与目录列表计算）、下游论文的预处理口径统计——引用时注意区分，正文均已标注。
2. 变量数"41 还是 42"不是笔误：ICUType 是挑战进行中（2012-05-08）才加入的，于是摘要口径 41、正式页面口径 42、下游口径 37+4 并存至今（坑 3 存照）。
3. 官方评分 min(Se,PPV) 与现代论文的 ROC-AUC 不可直接互比——前者是单阈值分数，后者是阈值无关曲线；混排数字是这个数据集最常见的引用事故（§4.3）。

§1 数据集速览：十问十答

Q1：12,000 例从哪来？
从 MIMIC-II v2.6（BIDMC 2001-2007 收集）的 12,753 例符合条件者中随机抽取。符合条件只有两条：ICU 入科时年满 16 岁；这是该患者的首次 ICU 住院且时长≥48 小时。除此之外没有任何排除——DNR（放弃复苏）、CMO（放弃治疗）患者都保留在内，这一点官方页面专门写明，也让这份数据比多数"清洗后"的 ICU 数据集更接近真实人群。

Q2：每例记录长什么样？
一个纯文本 CSV 文件（文件名即 RecordID），每行三列：Time,Parameter,Value。Time 是距 ICU 入院的"小时:分钟"（如 35:19 表示第 35 小时 19 分），行序按时间排列。文件开头是 6 项一般描述符（RecordID、Age、Gender、Height、ICUType、Weight），后面跟着时序观测行——同一变量可以在不同时间戳反复出现，这就是"不规则采样"的字面形态。数值缺失时写 -1，有效值非负。

Q3：42 个变量是什么？
6 项一般描述符 + 36 项时序变量（37 项时序列表减去与描述符重复的 Weight）。时序变量覆盖三大类：床旁生命体征（HR、SysABP/DiasABP/MAP 及其无创版 NISysABP 等、RespRate、Temp）、实验室检验（Albumin、BUN、Creatinine、Glucose、HCT、Platelets、WBC、pH、Lactate、TropI/TropT 等近 30 项）、与治疗状态（MechVent、FiO2、Urine）。另有 GCS 意识评分横跨两界。注意 ICUType 是 2012-05-08 才补进来的，所以还有"41 变量"的论文口径（坑 3）。

Q4：标签在哪、是什么？
训练集 set A 的 Outcomes-a.txt 公开，六个字段：RecordID、SAPS-I（入院时生理评分）、SOFA（器官衰竭评分）、Length_of_stay（住院天数）、Survival（存活天数）、In-hospital_death（0/1 院内死亡）。标签逻辑有两条约定：Survival=-1 表示存活出院（不是缺失）；Survival>LOS 也表示存活。实测 set-a 4,000 例中院内死亡 554 例（13.9%）。

Q5：两个 event 怎么评？
Event 1（二元分类）：score = min(sensitivity, PPV)，取两者较小值——在 86% 阴性的人群里，只顾查全或只顾查准都会被短板封顶，1 分理想。Event 2（风险估计）：要求输出 0-1 连续死亡风险，score = range-normalized Hosmer-Lemeshow H 统计量，越接近 0 越好——它同时惩罚区分度差与校准差，输出"人人都给 0.14"的先验均值答案是拿不了分的。

Q6："提交源代码"是什么意思？
参赛者不交分数，交一个函数：MATLAB/Octave 写的 [risk,prediction]=physionet2012(time,param,value)，或编译为 ANSI C 可执行程序（stdin/stdout 管道）。官方评测框架（genresults.m/sh）逐条记录独立调用你的函数，并明文禁止跨 run 存储状态——你不能在代码里偷看整个测试集的分布。输出三列 RecordID,prediction,risk（如 142675,0,0.123）。这一设计让"评测协议"本身可审计，在 2012 年相当超前。

Q7：成绩如何？
官方 baseline 是 sample entry（用 SAPS-I 当风险输出，附官方计分函数）：Event 1 得 0.3125、Event 2 得 68.58（m-code 版）。最终 Event 1 冠军 Johnson 等 6 人 0.5353（亚军 Citi & Barbieri 0.5345，仅差 0.0008）；Event 2 冠军 Citi & Barbieri 17.88。论文摘要写明"几乎所有参赛者都超过了 baseline"。注意这些分数与现代 AUC 不可互比（§4.3）。

Q8：现在还能下载吗？
能，而且是最顺畅的一档：physionet.org/content/challenge-2012/1.0.0/ 上 set-a/、set-b/ 各 4,000 个 txt 加 Outcomes-a.txt 全量公开，无注册、无 DUA，License 是 ODC-BY 1.0（署名即可）。拿不到的只有两样：set C 全部数据（仅官方评测用）和 set B 的 outcomes（Outcomes-b.txt 从未发布）。

Q9：现代论文怎么用它跑 AUC？
STraTS（2021）起的惯例把官方用途整个翻转：set-b+set-c 作训练/验证（80:20）、set-a 作测试，共 11,988 例（剔 12 例），算 ROC-AUC——GRU-D 0.833-0.846、STraTS 0.839、STraTS-mTAND 0.860±0.004（ACM 复现最佳）。这组数字流行但口径敏感：划分与官方相反，阳性率不同，且与官方 min(Se,PPV) 完全不可比（坑 6）。

Q10：为什么它对 AI-Ready 重要？
它是"无门槛公开+规则内嵌可复现+方法学社区自发标准化"的三位一体样本：数据 ODC-BY 1.0 直链下载、评测协议当年就要求提交可运行代码、下游社区用统一的 11,988 例划分形成了事实标准。它的短板同样典型——三套变量口径、-1 双重语义、下游重划分——都是 AI-Ready 数据集最常见的外部性缺陷，本条目逐条存照。

§1 补遗：本条目的三源互证矩阵

本条目所有关键数字的验证路径（检索者可按图索骥复核）：

关键事实	源 1（官方一手）	源 2（官方二手）	源 3（第三方）
12,000 例 / 12,753 符合 / 随机抽样	挑战主页正文	论文 §2（PMC3965265）	ACM TCH 2024 §4.1.1
set 三集各 4,000	主页"A=4,000"+set-b 目录实测 4,000 文件	论文"三组各 4,000"	STraTS §4.1（11,988 口径反推）
Outcomes-a = 4,000 条	Outcomes-a.txt 实测（本库下载解析）	论文 Outcomes 节	—（无第三方需要）
set-a 阳性率 13.9%（554）	Outcomes-a.txt 实算（本库一手）	—	ACM Table 3 test 13.9% 一致
42 = 6+36 变量	content 页 General Descriptors/Time Series 节	论文摘要 41（Phase 1 口径）	STraTS 37+4 口径
min(Se,PPV) / HL 评分规则	challenge 页 scoring 节	论文摘要	ACM 复现节
冠军 0.5353 / 17.88	官方 Top scores 页	论文摘要"top final scores"	—
28 / 23 名参赛者	官方 Top scores 页（“of 28”/“of 23”）	论文（“most participants”）	—
ODC-BY 1.0 许可	content 页 License (for files)	—	—
时间线（1/20、4/25、5/8、6/1、8/25、9 月颁奖）	content 页 news 区	challenge 页公告区	论文发表卷期（CinC 2012 Krakow）
MIMIC-II v2.6 派生	content 页数据描述	论文 §2	ACM（25,328 stays 背景数）
下游 11,988 / 435.6 / 47.3h / 14.2%	—	—	ACM Table 3 + STraTS §4.1 + EMIT Table I
GRU-D/STraTS/EMIT 基准分	—	—	ACM Table 5 + TKDD22 Table 4

读表说明：标"—“处表示该事实只需两源即可定案（数字型事实本库以一手实测优先）；凡三源齐备者均为可放心引用的"钉死事实”；单一来源的事实（如 ODC-BY 许可）均有官方页面可复核，抓取时点 2026-09-26。

§2 数据构成与规格

2.1 规模、来源与三集划分

挑战数据的唯一源头是 MIMIC-II v2.6——BIDMC（Beth Israel Deaconess Medical Center）2001-2007 年收集的单中心 ICU 数据库。筛选链如下：

环节	数字	说明
MIMIC-II v2.6 全库	25,328 ICU stays（ACM TCH 论文转述口径）	2001-2007，单中心（BIDMC）；全库另有官方文档口径，本条目未独立核验
符合挑战条件	12,753 例	成人（入科时≥16 岁）+ 首次 ICU 住院且≥48h
随机抽入挑战	12,000 例	无其他排除标准（DNR/CMO 保留）
set A	4,000	训练集，outcomes 全公开（Outcomes-a.txt）
set B	4,000	数据公开，outcomes 隐匿（Phase 1/2 在线评测用）
set C	4,000	完全隐匿（仅官方最终评测用，从未公开）

三集划分的官方表述有个微妙差异：论文写"三组各 4,000"，而官方 challenge 页只写"4,000 条构成训练集 A，其余构成测试集 B 与 C"。实测核验：set-b/ 目录列表恰好 4,000 个 txt；Outcomes-a.txt 恰好 4,001 行（1 表头 + 4,000 记录）——由此 set C=4,000 系 12,000−4,000−4,000 的推断成立（存照见 §附录 A）。

人群画像（论文口径）：年龄均值 64.5（SD 17.1）岁，身高 169.5（17.1）cm，体重 81.2（23.8）kg。第一手实测 set-a outcomes：院内死亡 554/4,000（阳性率 13.9%），LOS 均值 13.4 天，SAPS-I 均值 14.2，Survival=-1（存活约定值）2,526 例。

2.2 变量清单：6 项一般描述符 + 37 项时序列表

正式 content 页（v1.0.0）口径为 42 = 6 general descriptors + 36 time series（时序列表 37 项中 Weight 与描述符重复，去重后 36）。

一般描述符（6 项，每例文件开头出现）：

变量	含义	取值/单位
RecordID	记录标识	整数，也是文件名
Age	入科年龄	岁（ICUType 增补前文件中曾重复出现，见坑 4）
Gender	性别	0=女，1=男；-1=未知
Height	身高	cm；未记录写 -1
ICUType	ICU 类型	1=CCU 心脏监护 / 2=CSRU 心外科监护 / 3=MICU 内科监护 / 4=SICU 外科监护；2012-05-08 Phase 2 增补
Weight	体重	kg（同时出现在时序列表中）

时序变量（37 项官方列表，按官方页顺序）：

类别	变量
血流动力学（有创）	DiasABP（有创舒张压）、SysABP（有创收缩压）、MAP（有创平均动脉压）
血流动力学（无创）	NIDiasABP、NISysABP、NIMAP
生命体征	HR（心率）、RespRate（呼吸频率）、Temp（体温）
血气/酸碱	PaCO2、PaO2、pH、HCO3、SaO2、FiO2
代谢/电解质	Glucose、Ca、Na、K、Mg、BUN、Creatinine
血常规	HCT、WBC、Platelets
肝功能/胆红素	Albumin、ALP、ALT、AST、Bilirubin
凝血/血脂	Cholesterol、DiasABP 之外的脂类仅此一项
心肌标志物	TropI（肌钙蛋白 I）、TropT（肌钙蛋白 T）
神经/其他	GCS（格拉斯哥昏迷评分）、MechVent（机械通气 0/1）、Urine（尿量）、Weight（与描述符重复）、Lactate（乳酸）

完整官方列表（37 项）：Albumin, ALP, ALT, AST, Bilirubin, BUN, Cholesterol, Creatinine, DiasABP, FiO2, GCS, Glucose, HCO3, HCT, HR, K, Lactate, Mg, MAP, MechVent, Na, NIDiasABP, NIMAP, NISysABP, PaCO2, PaO2, pH, Platelets, RespRate, SaO2, SysABP, Temp, TropI, TropT, Urine, WBC, Weight。

变量分布极不均匀是这份数据的本质特征：HR、NIMAP 这类常规体征几乎每例都有几十上百次观测；而 Cholesterol 按下游统计只在 7.91% 的 stay 中出现过——同一个"变量数 42"背后是两三个数量级的观测频次差异（§2.6）。

2.3 数据格式：每例一文件、时间戳与 -1 约定

每例一个纯文本 CSV 文件（扩展名 .txt），文件名即 RecordID。格式要点：

• 每行三列：Time,Parameter,Value，逗号分隔；
• Time 是距 ICU 入科的"小时:分钟"，如 35:19 表示入科后第 35 小时 19 分——不是绝对时间，跨例不可直接对齐到钟表时刻；
• 文件开头集中出现 6 项一般描述符（部分早期文件有重复 Age 行，Phase 2 修订清除），其后为时序观测行，按时间排列；
• 同一变量可重复出现于不同时间戳（这就是不规则采样）；数值型缺失写 -1，有效观测值非负；
• Gender 是 0/1 分类，ICUType 是 1-4 分类，MechVent 是 0/1 布尔。

官方格式示意（按官方页描述重构的格式样例，非真实记录）：

RecordID,Age,Gender,Height,ICUType,Weight
132539,54,1,175.3,4,83
Time,Parameter,Value
00:00,RecordID,132539
02:34,HR,79
02:34,NIDiasABP,61
02:34,NISysABP,121
05:12,GCS,15
08:05,Temp,36.4
11:23,BUN,23
...

-1 的双重语义是这份数据最危险的约定（坑 5 详述）：在一般描述符与时序值里，-1 表示"未记录/未知"；但在 Outcomes 文件的 Survival 字段里，-1 表示"存活出院"——一个是缺失标记，一个是有效标签，同名不同义。下游处理时若把 Survival=-1 当缺失值剔除，会扔掉约六成的存活标签（set-a 实测 2,526/4,000 例）。

2.4 Outcomes 文件：六字段与标签逻辑

set A 的 Outcomes-a.txt 每行一条记录、逗号分隔、共六字段：

字段	含义	实测 set-a（本库第一手统计）
RecordID	记录标识	4,000 条
SAPS-I	入院时简化急性生理评分	均值 14.2
SOFA	序贯器官衰竭评估	官方未给分布统计
Length_of_stay	本次住院天数（含 ICU 后转科）	均值 13.4 天
Survival	出院后存活天数；-1=存活出院	-1 共 2,526 例
In-hospital_death	院内死亡标签（0/1）	554 例死亡，阳性率 13.9%

标签逻辑三条（官方页明文）：

1. Survival > Length_of_stay ⇒ 存活出院；
2. Survival = -1 ⇒ 存活出院（约定值，非缺失）；
3. 2 ≤ Survival ≤ Length_of_stay ⇒ 院内死亡（因入选条件已排除<48h 的住院，LOS 与 Survival 永不为 0 或 1）。

SAPS-I 与 SOFA 在这里身兼两职：既是给研究者的额外结局相关变量，也是官方 sample entry 的风险输出源——baseline 就是拿 SAPS-I 直接当死亡风险交给评分器的。这也意味着 Outcomes 文件不能用作特征泄漏源：如果你把 SAPS-I 喂进模型再去预测 In-hospital_death，等于用官方 baseline 的输入作弊（且 set-b/c 根本没有 outcomes 可喂，真实评测里此路不通）。

set B 的 Outcomes-b.txt 与 set C 的全部数据从未公开——这保证了"训练集标签公开、评测集标签永不可见"的竞赛完整性，副作用是任何第三方都永远无法在 set C 上复现官方最终分数。

2.5 变量数三口径并存：41 / 42 / 37+4

同一份数据，文献里有三种"变量数"说法，都有出处、都不算错：

口径	出处	构成
41 = 5 + 36	挑战论文（CinC 2012;39:245-248）摘要	5 描述符（无 ICUType）+ 36 时序
42 = 6 + 36	physionet.org 正式 content 页（v1.0.0）	6 描述符（含 ICUType）+ 36 时序（37 列表去重 Weight）
37 time series + 4 static	STraTS/ACM TCH/EMIT 等下游论文	把 RecordID 排除、Weight 归入时序、其余 5 项描述符中 4 项（Age/Gender/Height/ICUType）归 static

成因是历史性的：ICUType 直到 Phase 2（2012-05-08）才随数据修订加入，论文摘要成稿于口径变更前。本条目正文统一采用正式页面口径 42 = 6 + 36，引用下游论文数字时注明 37+4 口径。检索时拿"41 variables"或"37 time series"当关键词都可能命中这份数据——反过来，看到这三种数字出现在同一篇论文的不同表格里也不必惊讶。

2.6 缺失画像：平均观测 435.6 次、缺失率 79.7%

官方页面只给变量表与格式，不给缺失统计。下游论文（STraTS/ACM TCH/EMIT 预处理口径）给出了最常被引用的画像：

指标	数值	口径
平均观测次数/例	435.6（最大 1,497）	下游预处理后统计
平均时序跨度	47.3 小时	同上（窗口上限 48h）
平均变量缺失率	79.7%	每 stay × 变量网格中未观测占比
最稀疏变量	Cholesterol，仅 7.91% 的 stay 出现	同上

这组数字解释了为什么这份数据成了"不规则时序方法"的试金石：如果按等间隔网格化（比如逐小时对齐），每个 stay 是 48 个时间点 × 41 个变量 = 1,968 格的矩阵，平均只有约两成格子有值。传统"填充-再建模"的流程在这里要处理近 80% 的合成数据——这正是 GRU-D（衰减机制）、mTAND（连续时间插值）、SeFT（set 函数）、STraTS（三重注意力）、EMIT（事件级插值）各自要解决的核心问题。

注意：435.6 次与 79.7% 都是下游预处理口径，不同论文的剔除规则（如是否丢弃整段全缺失变量）会得到不同数字，引用时注明出处而非当官方统计。

2.7 一条记录的逐行解剖

以官方页面举例的 RecordID 142675（set-b 文件名之一）为骨架，一条记录的典型结构如下（值做过示意化处理，结构为真）：

00:00,RecordID,142675     ← 入院描述符区：时间戳全部 00:00
00:00,Age,54
00:00,Gender,1            ← 1=男
00:00,Height,180
00:00,ICUType,4           ← SICU（Phase 2 版文件才有此行）
00:00,Weight,88
10:36,HR,74               ← 时序区开始：心率
10:36,NIDiasABP,59        ← 同一分钟内多参数并测
10:36,NISysABP,132
10:36,NIMAP,85
10:36,RespRate,22
11:10,Temp,36.4
12:36,HR,86               ← 心率复测：间隔 1 小时
13:32,NIDiasABP,54
13:32,NISysABP,121
...
22:25,pH,7.42             ← 血气：低频、选择性送检
22:25,PaCO2,38
22:25,PaO2,89
22:25,HCO3,25.4
23:00,Urine,180           ← 尿量：按区间记录
35:19,GCS,15              ← 第 35 小时的观测：跨天时间戳正常
47:48,HR,95               ← 最后一条：48h 窗口截断

从这十几行能读出整个数据集的四个设计决定：其一，描述符与时序在文件内不分区，只靠时间戳区分（00:00 即描述符）——解析器需要显式处理 RecordID 参数名；其二，同一分钟内的多参数观测天然成组，这是"事件级"而非"时点级"数据结构的证据；其三，不同参数的采样节奏从分钟级（HR）到日级（Lactate）相差三个数量级；其四，窗口硬截断在 48h，第 47:59 之后的一切（包括死亡本身）都不在输入里。

2.8 与"每小时分箱矩阵"的形态对照

下游文献最常见的形态是"48 × 42 矩阵"，与原始三元组的差异值得单列一表：

维度	官方原始形态（三元组）	下游常见形态（分箱矩阵）
时间粒度	分钟级事件时间戳	1 小时等距网格（47/48 列）
缺失表示	观测不出现 = 缺失（显式 -1 仅限描述符类）	NaN / 均值插补 / 缺失指示位
观测数统计	平均约 435.6 事件/例	矩阵元素非空率约两成
信息位置	时间间隔本身携带信息	间隔信息被网格吸收（需额外补时间差通道）
典型用途	SeFT/STraTS/EMIT 等事件级模型	GRU/GRU-D/TCN 等序列模型
体积	全集约百 MB 文本	分箱矩阵常驻内存约 1-2 GB

两种形态没有对错——但引用"平均缺失率 79.7%"或"平均 435.6 次观测"时必须知道它们各自绑定哪种形态（坑 7）。原始形态是该数据集在 AI-Ready 光谱上的真实身份：事件级、自描述、无需数据库。

§3 挑战赛机制：提交源代码而不是分数

3.1 双 event 评分设计

挑战设两个并列赛道，对应死亡预测的两个正交目标：

Event 1——二元分类（会不会死）：

score = min(sensitivity, PPV)

• sensitivity = TP/(TP+FN)，PPV = TP/(TP+FP)，在模型输出的单一工作点上计算；
• 范围 0-1，1 理想；取 min 意味着短板封顶——在 13.9% 阳性率的数据上，一味把阈值调低刷高 sensitivity 会让 PPV 崩掉，反之亦然；
• 这是对"极不平衡二分类单一指标失真"的朴素防御：F1 与它同族，但 min 更严苛（不允许用一个指标的高分掩盖另一个的低分）。

Event 2——风险估计（死的风险是多少）：

score = range-normalized Hosmer-Lemeshow H statistic（越接近 0 越好）

• 参赛者对每条记录输出 0-1 连续风险值；
• HL 统计量按预测风险分桶后比较"预测风险均值 vs 实际死亡频率"，衡量校准；
• range-normalized 处理量纲使分数可跨队比较；
• 它同时惩罚两种失败：区分度差（风险与结局无关）与校准差（说 30% 风险的人群实际死 10%）。

双 event 的深意在于：排序好不等于校准好。Event 1 的冠军（Johnson 等）在 Event 2 只排到中游（论文口径），而 Event 2 冠军 Citi & Barbieri 恰是 Event 1 亚军——两个赛道没有通吃者，正是组织者想要的结果。官方还随 sample entry 附了 lemeshow.m（HL 统计量的官方实现），把"校准怎么算"钉死在代码层面，杜绝各队自定口径。

3.2 提交接口：函数签名与 I/O 协议

当年规则：每队最多 5 次提交机会（每个 Phase），交的是源代码而非分数。两种等价接口：

MATLAB/Octave（m-code 函数）：

function [risk, prediction] = physionet2012(time, param, value)
% time   : 该记录内各观测的时间戳（距入科的小时数，向量）
% param  : 对应的参数名（cell 数组，如 {'HR','NISysABP',...}）
% value  : 对应的观测值（向量）
% risk       : 标量，0-1 的院内死亡风险估计
% prediction : 0/1 的二元预测

ANSI C（可执行程序，stdin/stdout 管道）：

$ ./physionet2012 < set-b/132539.txt
132539,0,0.123

输出行格式 RecordID,prediction,risk（如 142675,0,0.123），prediction ∈ {0,1} 供 Event 1 用，risk ∈ [0,1] 供 Event 2 用。官方提供 sample entry 完整参考实现（saps_score.m/.c——把 SAPS-I 计分逻辑写成代码，外加 lemeshow.m 计分函数），参赛者可直接在其上改进。

这个接口的设计约束值得细读：time/param/value 三个入参就是一条记录的全部信息——你拿不到其他记录，也拿不到静态汇总表。函数签名本身就在强制"逐条记录独立决策"。

3.3 评测框架与"每记录独立 run"防偷窥规则

官方评测框架 genresults.m（MATLAB）/genresults.sh（shell 包装 C 程序）的核心规则：

• 对每条记录独立调用一次参赛函数，进程级隔离；
• 明文禁止跨 run 存储状态——参赛代码不得在调用间写文件、共享内存或以任何方式积累测试集统计量；
• 违规动机很直白：如果允许跨 run 状态，代码可以先跑一半记录、估计出测试集的死亡率先验或特征分布，再回头"预测"——等于用测试集训练；
• 评测环境统一（官方提供的 MATLAB/Octave/gcc），保证不同提交在相同算力与库版本下比较。

在 Kaggle 式"交 csv 分数"成为惯例之前，这套"交代码+受控重跑+状态隔离"的协议是相当超前的可复现性实践：分数不是自报的，是官方环境里逐条跑出来的；评审和后来者原则上可以完整审计任何一队的算法。后来 PhysioNet 挑战（2015 假报警抑制、2019 脓毒症）延续并强化了这一传统，而 Kaggle 社区到近年才普遍采用"限次提交+隐藏测试集"的近似方案。

3.4 时间线：从 2012-01-20 开放到 9 月克拉科夫颁奖

日期	事件
2012-01-20	挑战开放，数据发布（content 页 Published 日期；set A/B 公开）
2012-03-15	set A/B 数据修正、sample entry 公布、评分标准最终确定
2012-03-23	参赛注册开放
2012-04-25	Phase 1 提交截止（此前每队最多 5 次，逐次给 set B 分数）
2012-05-01	CinC 会议摘要截止
2012-05-08	Phase 2 数据修订：加入 ICUType、清除重复 Age 行
2012-06-01	Phase 2 开始（新一轮 5 次提交机会）
2012-08-25	Phase 2 提交截止
2012-08-30/31	最终分数公布（用 set C 评测）
2012-09-09~12	CinC 2012（波兰克拉科夫）会议，9 月 12 日闭幕全会颁奖

注意 05-08 的数据修订发生在两个 Phase 之间：这意味着 Phase 1 与 Phase 2 的参赛者实际面对的数据略有不同（多一个 ICUType、少一批冗余 Age 行）——这是变量数三口径（§2.5）的直接成因，也是复现早期参赛论文时要注意的细节。

3.5 参赛规模与获奖名单

赛道	参赛数	冠军	分数	亚军	分数
Event 1（min(Se,PPV)）	28	Johnson, Dunkley, Mayaud, Tsanas, Kramer, Clifford	0.5353	Citi & Barbieri	0.5345
Event 2（HL-H）	23（5 人注册未交）	Citi & Barbieri	17.88	Kang, Su, Ji	20.58

• Event 1 冠军队（Alistair E.W. Johnson 等 6 人）用的是多生理参数特征工程+机器学习组合；Johnson 后成为 MIMIC-III/IV 论文核心作者——挑战赛社区与 MIMIC 主线的人员连续性从此可见一斑。
• Event 2 冠军 Luca Citi & Riccardo Barbieri 同时是 Event 1 亚军（0.0008 之差）——双赛道互相错位的最直观例证。
• 第 7 名 Event 2：Tom Pollard & Demetrio Martinez（38.23）——Pollard 后来是 MIMIC-III 与 MIMIC-IV 社区的关键维护者。
• 论文摘要的总结：“Most participants submitted entries that outperformed the baseline”——SAPS-I 基线（0.3125/68.58）被绝大多数队伍明显超越，而冠军相对 baseline 的提升幅度（Event 1 +71%）也标定了"手工评分到数据驱动"这一代际差。

3.6 组织运营与赛程预算（留给历史的一句话）

从官方 news 区可以还原出这届比赛的组织节奏：数据先于一切（1 月开放，比注册早两个月）；评分标准在数据公开近两个月后才正式确定（3 月 15 日公告）；参赛规则的修订（5 月 8 日加 ICUType）发生在赛程中段而非开头。这种"边跑边修"的节奏在今天的大赛运营里会被视为事故，但在 2012 年它是常态，而且被参与者以罕见的善意接受了——原因很简单：所有人都看得到修订的公告与理由，且修订后的数据对所有人同时生效。透明度补足了流程成熟度，这是挑战赛社区文化的一条隐性资产。

3.7 一份"参赛者视角"的完整清单

把散落在官方页各处的参赛要求收拢成一张清单（历史复现者可当 checklist 用）：

• [ ] 2012-03-23 前后注册，获提交资格
• [ ] 下载 set-a + Outcomes-a.txt，本地完成训练与自评（用 genresults + lemeshow/score 非官方计分）
• [ ] 2012-04-07 前申请非 MATLAB/C 语言的参赛资格（如需）
• [ ] Phase 1 内 ≤5 次提交，拿 set-b 分数
• [ ] 2012-05-01 前向 CinC 提交四页摘要（含至少一条 entry 的 set-b 成绩对）
• [ ] 2012-06-01 后进入 Phase 2，≤5 次提交（面对加了 ICUType 的新版数据）
• [ ] 2012-08-25 截止；08-26 前自选一条历史 entry 进 set-c 终评（不选则默认 Event 1 最佳）
• [ ] 2012-09-01 前提交完整论文；09-09~12 赴克拉科夫参会
• [ ] 若希望竞争开源奖：在 entry 源码头部声明开源意图

2.9 关键变量的正常范围与离群判读速查

官方不清洗数据（明示"离群值应被预期"），所以"什么算离群"是使用者的责任。下表给常用变量的生理正常区间与典型离群模式（临床常识口径，非官方阈值）：

变量	正常参考	常见离群模式	处理建议
HR	60-100 bpm	传感器脱落时 0 或 300+	范围裁剪 [0,300]，0 值慎当真
SysABP/NISysABP	90-140 mmHg	套囊充气失败记 0；有创漂移至 300+	两通道交叉验证后再信
NIDiasABP/NISysABP	见上	同一时刻有创/无创矛盾	取可信通道或中位融合
Temp	36-38 °C	偶见华氏度数值（如 98.6）未换算	>41 且近似华氏特征者转换
RespRate	12-20 bpm	0 或 70+（监护误计）	裁剪 [0,70]
SpO2/SaO2	95-100%	0（探头脱落）	0 当缺失而非"无氧"
GCS	3-15	-1（未评）	3 为最低分，勿把 3 当缺失
Glucose	70-140 mg/dL	美制单位；>1000 罕见危象	保留真实高值，查单位
pH	7.35-7.45	0/14 级别显然为伪	裁剪 [6.5,8.0]
Weight	40-150 kg	0 或 1（录入错误）；>300 罕见病态	结合 Height 的 BMI 交叉校验
Urine	每小时 0-300 mL	大值多为"多小时累计"	弄清累计约定再聚合
Creatinine	0.6-1.3 mg/dL	美制单位；透析患者高值真实	高值保留（有预后意义）

两条通用原则：其一，离群处理策略要在训练/验证/测试上全局一致，且写进论文；其二，对"看似不可能但临床真实"的值（严重酸中毒 pH 6.8、血糖 1200）保持敬畏——ICU 数据里"异常值即病情"，宁可信其有。

§4 基准与成绩：官方分、现代 AUC 与两套不可混排的口径

4.1 官方 baseline：SAPS-I sample entry

官方 sample entry 的思路极简：把每条记录的 SAPS-I 评分（从 48h 观测里按官方 saps_score.m/.c 逻辑计算）直接映射为死亡风险输出。它在两个 event 的成绩：

提交版本	Event 1（min(Se,PPV)）	Event 2（HL-H，趋 0 好）
sample entry（m-code）	0.3125	68.58
sample entry（C 版）	0.3097	35.21
随机基线（86% 预测存活）	0.1386	10137.7

三个细节值得注意。其一，m-code 与 C 版分数不同（Event 2 尤甚：68.58 vs 35.21）——同一算法两版实现就有这么大的口径漂移，暗示评测对实现细节敏感。其二，随机基线的 Event 2 高达 10137.7，说明 HL 统计量对"乱猜校准"的惩罚是数量级式的，这个分数设计确实把"输出先验均值"之外的一切偷懒路径都堵死了。其三，SAPS-I 的 Event 1 成绩（0.31）与 1980 年代手工评分的天花板相当，给后续所有数据驱动方法立了可测量的标靶。

4.2 最终榜单：0.5353 与 17.88

最终榜（set C 评测，2012-08-30/31 公布）：

排名（Event 1）	团队	分数	排名（Event 2）	团队	分数
1	Johnson, Dunkley, Mayaud, Tsanas, Kramer, Clifford	0.5353	1	Citi & Barbieri	17.88
2	Citi & Barbieri	0.5345	2	Kang, Su, Ji	20.58
3-10	论文列出 top 10（Event 1 共 28 人）	—	7	Pollard & Martinez	38.23

三条读数：

1. Event 1 头两名只差 0.0008——min(Se,PPV) 在 4,000 条记录上的分辨率极限就在小数点后第四位，榜首之争本质是单阈值工作点的毫厘之争；
2. 双赛道无通吃：Event 1 冠军在 Event 2 未进前列（论文口径），Event 2 冠军是 Event 1 亚军——分类能力与校准能力确实是可以解耦的两件事，这个结果本身就是对"只用 AUC 评一切"的隐形批评；
3. 人群后效：Event 1 冠军的 Johnson 与 Event 2 第七的 Pollard 后来都成为 MIMIC-III/IV 生态的核心人物——挑战赛是这条数据谱系的人才漏斗。

4.3 官方分与现代 AUC 为什么不可比

这是本数据集最常发生的引用事故，值得把机制说透：

维度	官方 Event 1	现代论文 ROC-AUC
度量	min(sensitivity, PPV)，单工作点	阈值无关的曲线下面积
量纲	0-1，随机基线 0.1386	0.5-1，随机基线 0.5
评测集	set C（4,000，官方）	set-a（4,000，STraTS 惯例）
训练数据	官方规则下 set A（4,000）	set-b+set-c 80%（9,590）
冠军数字	0.5353	0.860（STraTS-mTAND）

"0.5353 vs 0.860"不是方法进步了 60%，而是两把不同的尺子。粗略换算的感觉是：min(Se,PPV) 在 13.9% 阳性率下拿到 0.53 意味着 sensitivity 与 PPV 双双≥0.53——PPV 0.53 在 14% 阳性率下对应相当高的精度提升；而 ROC-AUC 0.86 在同样数据上是优秀但常规的成绩。两者唯一的共同点是都显著优于各自基线。引用规范：官方分数只与官方分数比，现代 AUC 只与现代 AUC 比，跨口径数字必须加口径说明（坑 6）。

4.4 现代深度学习基准（STraTS 重划分口径）

STraTS（ICLR 2022 投稿/ACM TCH 2022 刊出口径）起形成了下游事实标准：set-b + set-c 作训练/验证（80:20），set-a 作测试，剔除 12 例后共 11,988 例，指标 ROC-AUC（并报告 PR-AUC）。ACM TCH 论文复现结果：

模型	ROC-AUC（均值±SD）	说明
GRU-D（2018）	0.833±0.005（TKDD22 口径）/ 0.846±0.001（ACM 复现）	时间衰减+缺失掩码的奠基方法
mTAND（2019）	0.844	连续时间多模态插值
SeFT（2020）	0.846	集合函数视角（set function）
STraTS（2021）	0.839±0.008	三重注意力+演示去噪
STraTS-mTAND	0.860±0.004	嵌入 mTAND 插值器，ACM 复现最佳
APC（2021）	与 STraTS 同期对照	自相关预测预训练

这组数字的可信度比单篇论文高：ACM TCH 用统一预处理复现了多个基线，且都带重复实验的 SD。但三条警示仍然成立：

1. 划分与官方相反（A 测试、B+C 训练）——官方用途里 A 是训练集，outcomes 公开；现代划分反而把官方训练集当测试集。这是社区为了"标签全知"（set-a 有 outcomes 可自行验证）做出的选择，不是官方设计；
2. 11,988 = 12,000−12：剔除的 12 例原因依预处理而定（如异常值/空记录），不同论文可能剔除不同记录，逐例对齐并不保证；
3. GRU-D 在 TKDD22 与 ACM TCH 两处口径差 0.013——连"同一方法同一数据"都有复现带宽，逐位比较第三位小数无意义。

4.5 PR-AUC：13.9% 阳性率下的真实难度

现代论文同时报告的 PR-AUC 区间约 0.45-0.52——这个数字比 ROC-AUC 诚实得多：在 13.9% 阳性率下，随机分类器的 PR-AUC 就是 0.139，而 0.5 左右的 PR-AUC 意味着 precision-recall 曲线仍有大量改进空间。选型时的实操含义：

• 若你的应用是"高风险预警列表"（人工复核前 k 名），PR-AUC 与 PPV@k 更贴近业务；
• 若你的应用是"全员风险分层"（校准的风险分数直接进临床决策），Event 2 的 HL 校准思想更相关——而这一点恰是现代基准普遍不报告的；
• 复现时报告 PR-AUC 而非只报 ROC-AUC，是这个数据集上日益形成的最佳实践。

§5 获取与许可：无门槛直链与两样永远拿不到的东西

5.1 ODC-BY 1.0：本库可获取性最高档

官方 content 页实抓口径：数据文件 License 为 Open Data Commons Attribution License v1.0（ODC-BY 1.0），页面明示 “Anyone can access the files”——无注册、无 DUA、无审批。这是 PhysioNet 各数据集中最开放的档位（对照：MIMIC-IV 需 PhysioNet 账号+CITI 培训+签署使用协议）。

下载实操（官方打包与单文件两种方式）：

# 方式一：官方打包（zip / tar.gz 任选）
wget -A "Mozilla/5.0" https://physionet.org/files/challenge-2012/1.0.0/set-a.zip
unzip set-a.zip   # 得 set-a/132539.txt ... 共 4,000 个文件

# 方式二：递归拉取单文件（适合只要部分记录）
wget -A "Mozilla/5.0" -r -np --cut-dirs=3 \
  https://physionet.org/files/challenge-2012/1.0.0/set-a/

注意：physionet.org 对部分程序化抓取有反爬策略——本库实测 WebFetch 工具对 physionet.org 返回空内容，curl/wget 必须带浏览器 User-Agent 才能正常拿到页面与文件（坑 2）。数据本体（txt 文件）一般不受影响，HTML 页面容易触发。

5.2 文件清单与目录结构

v1.0.0 的完整清单：

路径	内容	实测规模
set-a/	训练集，4,000 个 *.txt（每例一文件）	目录列表实测 4,000
set-b/	测试集 B 数据，4,000 个 *.txt	目录列表实测 4,000
Outcomes-a.txt	set A 的六字段结局表	4,001 行（1 表头 + 4,000）
set-c/（无）	set C 数据不在发布物内	仅官方评测持有
Outcomes-b.txt（无）	set B 结局表从未发布	—
papers/	历届相关论文（挑战参赛论文集）	作者以 CC BY 3.0 授权
set-a.zip / set-b.zip 等	官方打包	与目录内容一致

旧站镜像 archive.physionet.org/challenge/2012/ 与挑战主页 physionet.org/challenge/2012/ 保留全部公告、sample entry 与排行榜原始页——研究评测史时比 content 页更有料（含 2012-03-15 的数据修正公告原文）。

5.3 引用要求与版本

官方要求两处引用：

1. 挑战论文：Silva I, Moody GB, Scott DJ, Celi LA, Mark RG. Predicting Mortality of ICU Patients: The PhysioNet/Computing in Cardiology Challenge 2012. Computing in Cardiology 2012;39:245-248.（PMID 24678516；PMCID PMC3965265；MIT DSpace hdl 1721.1/93166）
2. PhysioNet 资源引用：Pollard 等 2026（Nature Health 系列的 PhysioNet 资源论文，官方页引用栏口径）。

版本链：v1.0.0 是唯一版本号——2012 年发布后未再升级（Phase 1→Phase 2 的修订发生在挑战进行中，最终态即 v1.0.0）。content 平台改版后重发日期未单列，Published 标注 Jan. 20, 2012（挑战开放日）。这意味着十年间下载的文件内容一致，不存在"我下的和论文下的不一样"的版本漂移——但要注意论文摘要的 41 变量口径是历史口径（§2.5）。

5.4 许可三层结构与使用边界

资产	许可	边界
数据文件（set-a/set-b/Outcomes-a.txt）	ODC-BY 1.0	署名即可，商用允许；衍生库需继续遵守 ODC-BY
挑战参赛论文集（papers/）	CC BY 3.0	署名即可
组织者论文（MIT DSpace 版）	CC BY-NC-SA 4.0	非商业+相同方式共享；出版版 PDF 在 cinc.org（版权属 CinC 出版方）

实操注意：把数据转成 HuggingFace/自建平台再分发时，ODC-BY 要求保留归属声明（引用挑战论文+PhysioNet 资源论文）；这是比 CC BY 更"数据库导向"的许可（保护的是数据集合选择而非单个文件），混合再分发时两层义务都要满足。

5.5 AI-Ready 视角下的获取实操

从"让一台新机器在 10 分钟内开始训练"的 AI-Ready 标准看，本数据集的实操路径：

# 1) 拉取（直链，无 cookie/无 token；HTML 页面需带浏览器 UA，数据文件一般不需要）
curl -sLO https://physionet.org/files/challenge-2012/1.0.0/set-a.zip
curl -sLO https://physionet.org/files/challenge-2012/1.0.0/Outcomes-a.txt

# 2) 校验（记录数应恰为 4000 行 + 1 表头）
wc -l Outcomes-a.txt   # → 4001

# 3) 最小解析（三元组 → 事件表）
python3 - <<'PY'
import csv, glob
rows = []
for f in glob.glob('set-a/*.txt'):
    rid = None
    with open(f) as fh:
        for line in fh:
            t, p, v = line.strip().split(',', 2)
            if p == 'RecordID':
                rid = int(v)
                continue
            rows.append((rid, t, p, v))
print(len(rows), 'observations parsed')
PY

三个工程提醒：其一，Value 列含字符串值（如 Gender 的 0/1 混在描述符里），统一按 str 读入后再按变量转型，直接 pd.read_csv 会因混合类型告警；其二，Urine 的值是"自上次记录以来的累计量"还是"区间速率"官方未逐条标注，跨记录聚合前要定一个约定并全文一致；其三，若使用社区整理的 11,988 例分箱版，务必保留原始三元组副本——分箱版的缺失率与观测统计不可逆推回原始形态（坑 7）。

5.6 “两样永远拿不到的东西”

获取章的结尾值得把两个"不存在的文件"单独列出，避免检索者白费功夫：

1. set-c 的观测数据：4,000 例，官方仅用于终评，从未发布。任何声称含 set-c 的数据包都不是官方渠道；下游文献"用 set-c 训练"依赖的是社区流转的整理版（且其标签可得性存疑，见坑 6）。
2. Outcomes-b.txt（set-b 的死亡标签）：与数据文件分离持有，从未发布。这导致 set-b 在官方口径之外没有可用的监督标签——想用 set-b 做测试的研究者只能向官方框架提交代码（已成历史）或放弃。

这两个"永久缺席"是本数据集与普通公开数据集的本质区别：它天生残缺了一部分官方资产。好处是评测公平性的历史记录完整；代价是任何现代复现都必须显式声明自己用的是哪套替代口径。

4.6 官方论文的结论与局限（引用时的正确姿势）

挑战论文（Silva et al. 2012）自己划定了三条结论与三条局限，引用本数据集的论文若与之冲突，多半是引用者的问题：

结论侧：

1. 患者特异的时序预测可行且优于基于最差值的传统评分——28 队中绝大多数显著超越 SAPS-I 基线是核心证据；
2. 二元分类与风险校准是可解耦的两个问题——两个 event 冠军分离是最直观的展示；
3. 公开基准的价值在赛期之外——论文明确期望"加速挑战问题在赛后进展"，十四年方法谱系实现了这个预期。

局限侧：

1. 输入只有数值化观测（无文本/影像/波形），"死亡的原因"无法从数据中读出；
2. 单一医院（BIDMC）来源，外推需多中心验证；
3. set-c 仅 4,000 例、554 例死亡的量级，使榜首间的名次差异（如 0.5353 vs 0.5345）不具统计稳健性——论文从未宣称冠军方法"显著更优"。

引用姿势：引结论时带上"28 队"与"vs SAPS-I 基线"的语境；谈方法进步时用下游口径的现代数字；绝不在同一句里混排两套分数（坑 6）。

4.7 官方最终榜 Top 10 全名单（检索者速查）

Event 1（binary prediction，score = min(Se,PPV)，共 28 名参赛者）：

#	参赛者	分数
1	Alistair Johnson, Nic Dunkley, Louis Mayaud, Athanasios Tsanas, Andrew Kramer, Gari Clifford	0.5353
2	Luca Citi, Riccardo Barbieri	0.5345
3	Srinivasan Vairavan, Larry Eshelman, Syed Haider, Abigail Flower, Adam Seiver	0.5009
4	Martin Macas, Michal Huptych, Jakub Kuzilek	0.4928
5	Henian Xia, Brian Daley, Adam Petrie, Xiaopeng Zhao	0.4923
6	Steven L Hamilton, James R Hamilton	0.4872
7	Natalia M Arzeno, Joyce C Ho, Cheng H Lee	0.4821
8	Chih-Chun Chia, Gyemin Lee, Zahi Karam, Alexander Van Esbroeck, Sean McMillan, Ilan Rubinfeld, Zeeshan Syed	0.4564
9	Alexandros Pantelopoulos	0.4544
10	Deep Bera, Mithun Manjnath Nayak	0.4513

Event 2（risk estimation，score = 归一化 HL-H 趋 0 好，共 23 名参赛者）：

#	参赛者	分数
1	Luca Citi, Riccardo Barbieri	17.88
2	Tongbi Kang, Yilun Su, Lianying Ji	20.58
3	Martin Macas, Michal Huptych, Jakub Kuzilek	24.70
4	Chidube Ezeozue	24.93
5	Alistair Johnson, Nic Dunkley, Louis Mayaud, Athanasios Tsanas, Andrew Kramer, Gari Clifford	29.86
6	Mehmet Kayaalp	36.38
7	Tom Pollard, Demetrio Martinez	38.23
8	Deep Bera, Mithun Manjnath Nayak	45.01
9	Antonio Bosnjak, Guillermo Montilla	48.61
10	Natalia M Arzeno, Joyce C Ho, Cheng H Lee	51.69

两表之外的官方参照系：SAPS-I 样例（m-code）0.3125 / 68.58；SAPS-I（C 版）0.3097 / 35.21；随机基线（86% 预测存活）0.1386 / 10137.7。全部数字源出官方 Top scores 页（physionet.org/challenge/2012/top-scores.shtml），抓取时点 2026-09-26。

§6 生态与影响：一条 MIMIC 谱系上的枢纽节点

6.1 数据源承继：MIMIC-II → 挑战 12,000 → MIMIC-III

这份数据处在 MIMIC 谱系承上启下的位置：

MIMIC-II v2.6（BIDMC 2001-2007，25,328 ICU stays 口径）
        │  筛选：成人 + 首次 ICU 住院≥48h → 12,753 例
        │  随机抽取 → 12,000 例（set A/B/C 各 4,000）
        ▼
PhysioNet/CinC Challenge 2012（一次性切片，ODC-BY 1.0 永久公开）
        │  同一实验室（MIT LCP）与社区继续扩展
        ▼
MIMIC-III（2001-2012，扩展继任；本库 rid 106/590）
        ▼
MIMIC-IV（本库 rid 4/592）

三点辨析：

1. 挑战的 12,000 例是 MIMIC-II 的子集——它不是新采集，而是带筛选条件的一次性随机切片；
2. 与 MIMIC-III “大部分重叠但不一一对应”：ID 体系不同（挑战 RecordID ≠ MIMIC-III icustay_id 命名空间），筛选条件不同，官方也未发布 12,000 例到 MIMIC-II/III 原库的映射表——想把挑战记录链回原库病历需要自行对齐且有误差，这是文献里少有人挑明的坑；
3. ODC-BY 1.0 的挑战数据比母库更开放：MIMIC-II/III/IV 走受控访问（培训+协议），挑战切片是无门槛直链——它事实上充当了"MIMIC 家族的公开体验版"，大量课程与入门教程用它教 ICU 数据处理。

6.2 挑战系列年表：2012 在哪里

PhysioNet/CinC 挑战此后每年一届，2012 是"临床时序+早期预测"路线的起点：

届次	主题	与 2012 的关系	本库收录
2012	ICU 死亡率早期预测（本条目）	—	cinc-2012
2013	血压测量的误差区间	同为 ICU/生理时序	未收录
2014	多导睡眠图中体动检测	—	未收录
2015	多导联生命体征假报警抑制	延续 ICU 时序+极不平衡分类传统	cinc-2015 (487)
2016	心音分类	转向信号分类	physionet-cinc-2016 (382)
2017	窦性/房颤分类（单导联 ECG）	—	physionet-cinc-2017 (162)
2018	睡眠觉醒阶段检测	—	cinc-2018-sleep (493)
2019	脓毒症早期预测	2012 的直系方法论后代（同样"前 N 小时+早期预警"）	cinc-2019 (656)
2021	多状态时段死亡预测	时间窗+死亡预测的直接回响	cinc-2021 (644)
2023	心律失常/TwiNST 等	—	cinc-2023 (499)

2012 奠定的两项传统被整个系列继承：交代码受控重跑（2015/2019 等届延续）与隐藏测试集（set C 模式）。"前 48h 不规则观测→早期预警"的问题范式则在 2019 届（前 80h 预测脓毒症）完成迭代。

6.3 下游方法学测试床：不规则时序方法的共同考场

挑战落幕十年，这份数据成了"不规则采样多元临床时序"（irregularly-sampled multivariate clinical time-series）方法论文的标配实验场：

方法	年份	核心思想	在本数据上的角色
GRU-D	2018	GRU + 时间衰减机制（缺失越久权重衰减到均值）	奠基基线，几乎所有后续论文必比
mTAND	2019	连续时间多模态插值（隐式神经表示）	插值路线代表
SeFT	2020	把观测当集合（set function），与 PDE 网络结合	证明"不必网格化"
STraTS	2021	三重注意力（demo/测量/时间）+ 演示去噪	提出 11,988 例标准划分（坑 6）
APC	2021	自相关预测的自监督预训练	预训练路线入场
EMIT	2024	事件级插值 transformer	最新一代，沿用 STraTS 口径

这个考场的形成有三重原因：规模适中（12,000 例，单卡可跑）、缺失极端（79.7% 平均缺失率，方法差异能被放大出来）、划分有事实标准（STraTS 口径可横向比较）。副作用是基准饱和的隐忧：AUC 在 0.83-0.86 区间挤了三代方法，差距进入 SD 噪声带——2024 年后的论文开始转向 PR-AUC、校准误差与计算效率的多维报告。

6.4 人物与机构的连续性

• 组织者五人（Silva/Moody/Scott/Celi/Mark）全部出自 MIT LCP 与 BIDMC 的 MIMIC 主线——挑战数据本质是 MIMIC 团队"给自己的数据设计一个公共考场"；
• Event 1 冠军 Alistair E.W. Johnson 后来成为 MIMIC-III/IV 论文的核心作者、eICU 协作研究的关键人物；
• Event 2 第七名 Tom Pollard 后来是 MIMIC-III 发布与 MIMIC-Code 仓库的社区核心；
• Leo A. Celi 作为 Sana/SOCIAM 与"数据公平"方向的推动者，此后主导了多届挑战的主题设计。

对检索者的含义：查这份数据的后续研究时，把"MIMIC-II / MIMIC-III / PhysioNet Challenge / ICU mortality"作为联合关键词比单查 “Challenge 2012” 命中率高得多——核心社区始终是同一批人。

§7 与库内条目的关系

7.1 家族图谱（rid 对照）

关系	条目（rid）	联结点
母库/血统主线	mimic-iii (106) / mimiciii (590)	挑战数据源自 MIMIC-II，MIMIC-III 为扩展继任（2001-2012）
续代	mimic-iv-clinical-database (4) / mimiciv (592)	同一实验室（MIT LCP+BIDMC）的当代版本
同系列最早届	cinc-2012（本条目）	PhysioNet/CinC 挑战系列在本库的最早年份
同系列直系	cinc-2015 (487)	假报警抑制——继承"ICU 时序+极不平衡+交代码"传统
同系列后辈	physionet-cinc-2016 (382) / physionet-cinc-2017 (162) / cinc-2018-sleep (493) / cinc-2019 (656) / cinc-2021 (644) / cinc-2023 (499)	2019 届为"早期预测"范式的直接后代
同期多中心对照	eicu-crd (552) / eicu-collaborative (9)	eICU 是多中心 ICU EHR，与单中心 MIMIC 系互补
波形侧对照	mimic3wdb (586) / mimic3wdb-matched (587) / mimic4wdb (588)	挑战用数值化观测而非原始波形——两套数据形态
术中时序对照	vitaldb (192)	高频术中生命体征时序，缺失结构完全不同
新库对照	nwicu (146) / synthetic-mimic-iii-health-gym (597)	当代 ICU 数据与合成替代品
ECG 续代	mimic-iv-ecg (172)	MIMIC 家族的信号分支

7.2 检索路径建议

1. 从"ICU 早期预警"检索：cinc-2012（起点，42 变量/48h/死亡）→ cinc-2019 (656)（40 变量/80h/脓毒症，官方评 utility score）→ cinc-2015 (487)（假报警，同样的不平衡分类传统）——三连读可见"窗口拉长、任务细化、评分演化"的十年脉络；
2. 从"MIMIC 谱系"检索：cinc-2012 → mimic-iii (106) → mimic-iv-clinical-database (4) → nwicu (146)——注意本条目数据不能直接与 MIMIC-III 记录一一对接（§6.1 辨析 2）；
3. 从"不规则时序方法"检索：本条目 + vitaldb (192)（术中高频时序）+ cinc-2018-sleep (493)（睡眠阶段时序）构成三种缺失结构迥异的对照系；
4. 对比钩子（2012 vs 2019）：2012=48h 死亡预测、42 变量、官方不评 AUC；2019=80h 脓毒症、40 变量、官方评 utility score——两届合读最能看出 PhysioNet 评分协议的演化。

§8 方法学启示：四条可迁移的经验

8.1 不规则采样是常态，不是数据缺陷

ICU 里的观测节奏由临床行为决定：体征按护理班次、化验按医嘱、用药按处方——等间隔网格化从来不是数据的真实结构。这份挑战数据把"不规则"推到极端（79.7% 缺失），反而使它成为检验"方法是否尊重时间结构"的最灵敏试纸：mTAND 的插值、GRU-D 的衰减、STraTS 的三重注意力，本质都在回答同一个问题——如何在不假装数据是等间隔的前提下建模它。任何处理临床/传感/日志类时序的团队，都可以把这份数据当作"不规则性压力测试"的标准工装。

8.2 交代码不交分：一次超前的可复现性实验

2012 年的"提交源代码+受控重跑+状态隔离"协议，比 Kaggle 社区普及"限次提交+隐藏集"早了数年，比机器学习会议推行代码评审更早。它的三个可迁移设计——评测只认可运行工件（不接受自报分数）、逐样本独立调用（堵死测试集统计泄露）、官方提供参考实现与计分函数（把口径钉进代码）——至今仍是构建任何 benchmark 的黄金清单。

8.3 评分口径决定结论：min(Se,PPV) 的教训

Event 1 用 min(Se,PPV) 而不是 AUC/F1，Event 2 用校准统计量而不是排序指标——组织者刻意让"单一权威指标"失效，于是出现了双赛道无通吃、头两名差距 0.0008 的榜单形态。教训是双向的：设计评测时要预判"哪个指标会被偷懒策略钻空"；消费评测结果时要先问"这个数字惩罚了什么"。现代社区只报 ROC-AUC 的做法，恰恰丢掉了 Event 2 那一层的校准信息——这份数据上 PR-AUC 与校准曲线正在成为新的必备项（§4.5）。

8.4 标签约定是元数据，丢了就是事故

Survival=-1 表示存活、Height=-1 表示未记录——同一个哨兵值 (-1) 在同一份数据里承担两种语义，而 Outcomes 文件的字段说明若不读官方页就极易踩雷。这提示数据工程的一个通则：哨兵值/约定值必须进 schema 文档与加载代码，靠"下游自己发现"的代价是整批标签被误删（本例中约六成存活标签）。

§9 AI-Ready 评估

9.1 五维速评

维度	表现	要点
可发现性	强	官方论文+PhysioNet 专页+十余年下游文献引用链完整；"Challenge 2012"检索词密度高
可获取性	顶级	ODC-BY 1.0、无注册无 DUA、官方打包+单文件直链（唯一保留：set C 与 set-b outcomes 永不公开，属设计而非门槛）
可互操作	中	每例一 CSV 文本，解析零依赖；但无官方 schema 文件、无标准加载器、无到 MIMIC 原库的映射表
元数据质量	中上	变量表与格式说明完备；但变量数三口径、ICUType 中途增补、-1 双重语义等约定散落在页面不同处
方法就绪度	强	十年方法学社区形成了预处理与划分的事实标准（11,988 例口径），可复现基线丰富

9.2 综合评级与 DAIMS 全表

综合评级 8.0/10（AI-Ready 优）：可获取性为本库最高档，方法学生态成熟；失分在"约定靠读页面而非靠 schema"与"下游重划分缺乏官方背书"。DAIMS 逐维打分与依据见附录 B。

适合直接上手的人群与场景判定（30 秒版）见 §11.4。

6.5 中文社区与国内使用

本数据集在中文文献与工业界的存在感同样浓密：中文综述（电子病历时序建模、ICU 死亡预测方向）几乎都以其为标准实验对象之一；多个国内团队在 MIMIC-III 论文里同时报告 PhysioNet-2012 基准以证明方法普适性。使用时的三个本地化提醒：

• 术语对齐：中文文献常把 Event 1/Event 2 写成"任务一/任务二"，把 set-a/b/c 写成"A/B/C 集合"——回溯官方文档时认准英文原名，避免与 2019 届的任务编号混淆。
• 伦理审查口径：ODC-BY 1.0 + 完全匿名化，国内 IRB 一般按"公开去标识数据"从宽处理，但衍生发布（重标注、合成增强）仍建议走机构审查。
• 教学转引：国内多门临床数据科学课程以本数据集做作业，注意转引时的版本声明——务必写明"PhysioNet challenge-2012 v1.0.0"而非课程自编名，防止版本漂移（坑 4）。

8.5 十四年后的基准漂移观察

以 2026 年视角回看这份 2012 年的基准，有三处"漂移"值得记录：

1. 评测集漂移：官方 set-c 终评 → 下游 set-a 测试。漂移的动力是"要更大的训练池"，代价是与历史分数彻底断链。新的做法（如 2024 年后的论文）开始回归"双报告"——同时给出官方口径参考分与下游口径主分——这是基准老化的健康应对。
2. 指标漂移：min(Se,PPV) → ROC-AUC + PR-AUC →（部分论文再补）PPV@k 与校准曲线。临床预警业务真正消费的是"在告警预算 k 下的查准率"，这恰是 Event 1 设计思想的回归；Event 2 的校准思想则在近年的"可信 ML"潮流里重新升值。
3. 样本口径漂移：12,000 → 11,988 → 部分论文 11,987/11,985。每剔一例，数字就永远对不上别人。可操作建议：写论文时在数据节放一张"从 12,000 到你的 N"的剔除瀑布表，一劳永逸。

基准漂移不是缺陷，而是一份数据"活过十四年"的痕迹。能被四代方法论文反复重新定义口径，本身就是其生命力的证明。

7.3 一张表看懂"用哪份 ICU 数据"

以"我想做一个 ICU 死亡预测项目"为出发点，库内候选数据的取舍：

数据（rid）	规模	模态	门槛	选它的理由
cinc-2012（本条目）	12,000 stays	数值时序（42 变量，48h）	无（ODC-BY）	基准谱系完整、方法可比、免协议
mimic-iii(106)	38,597 成人/49,785 stays	全模态（数值+文本+波形另库）	CITI 培训 + DUA	要自由文本/诊断/用药时的正解
mimic-iv-clinical-database(4)	36.4 万患者	全模态续代	同上	近年代（2008-2022）外推
eicu-crd(552)	20 万+ stays / 208 ICU	数值 EHR 多中心	同上	多中心泛化验证
cinc-2019(656)	40,336 例	数值时序（40 变量，80h）	无	换终点（脓毒症）+双库的姊妹基准
mimic3wdb(586)	万级记录波形	高频波形	无	需要波形级形态信息时
vitaldb(192)	6,388 手术	术中高频信号	无	手术室场景替代

一句话版本：练手/对标用 cinc-2012，做真研究上 MIMIC-III/IV，验证泛化加 eICU，换终点配 cinc-2019——四份数据在库内互链成一个完整的"ICU 预测"检索闭包。

6.6 十四年引用轨迹：四代方法的同一张考卷

按年代梳理本数据集被"重新发现"的四波浪潮，每波都重新定义了一次"公平比较"：

第一波（2012-2014）：赛期方法学。挑战赛的 28 份参赛论文是第一批文献——特征工程 + 经典学习器的天下。SAPS-I/传统评分 vs 数据驱动的对比叙事在此确立，Johnson 团队的特征集成为后来"手工时序特征"的模板。

第二波（2015-2017）：RNN 前夜。LSTM/GRU 开始进入临床时序，本数据集因"无门槛 + 规模适中"成为早期深度方法的首选试验场之一；分箱矩阵（48×42）的处理范式在这一波定型，缺失处理从"工程细节"升级为"研究问题"。

第三波（2018-2021）：缺失建模的黄金期。GRU-D（2018）把"衰减到均值"做成可训练机制；mTAND（2019）把连续时间插值做成注意力；SeFT（2020）把三元组做成集合函数；STraTS（2021）把三元组+自监督做成 Transformer 标配——四篇论文四种哲学，全部以本数据集为共同考场，11,988 例口径在此期间成为事实标准。

第四波（2022-至今）：自监督与基础模型时代。APC（2021）与 EMIT（2024）把对比学习/掩码自编码搬到临床时序，测试协议从"全监督"扩展为"10%-50% 标签曲线"；同时"是否应该用 LLM 处理临床时序"的新问题开始把本数据集当 ablation 平台。官方口径与下游口径的双轨并存问题在这一波被反复讨论（坑 6 的来源）。

四波轨迹给基准设计的启示：一份长寿基准的价值不在于指标不变，而在于每代方法都能在它上面找到"与前辈对话"的位置。cinc-2012 是临床时序领域实现这一点最完整的样本。

§10 避坑清单：八个已踩过的坑

坑 1：拿 “challenge-2012” 当 slug 去检索本库。
官方 content URL 是 physionet.org/content/challenge-2012/1.0.0/，但本库 slug 统一为 cinc-2012（与 cinc-2015/2019/2021/2023 等同系列命名一致）。两套 ID 并存：站外检索用 challenge-2012，库内互链与 URL 用 cinc-2012。写引用时注意你引的是哪个体系。

坑 2：程序化抓取 physionet.org 返回空内容。
本库实测 WebFetch 对 physionet.org 的页面（challenge 页与 content 页）返回空——站点有反爬策略。解法：curl/wget 必须带浏览器 User-Agent（如 -A "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36"）。数据 txt 文件一般可正常拉取，HTML 页面易触发拦截；别把"工具返回空"误判成"页面不存在"。

坑 3：变量数 41 / 42 / 37+4 三种说法"打架"。
都有正牌出处：论文摘要 41（ICUType 加入前）、正式页面 42、下游论文 37 时序+4 静态（RecordID 被排除、Weight 归时序）。成因是 ICUType 系 2012-05-08 挑战中途增补（§2.5）。写作或建库时选定一套（建议 42=6+36）并在脚注注明另两套，避免同一批文档里数字漂移。

坑 4：Phase 1 与 Phase 2 的数据不是同一份。
2012-05-08 修订：加入 ICUType、删除文件开头的重复 Age 行。Phase 1 期间（4 月底前）的参赛代码与论文面对的是旧格式。复现早期参赛论文、或拿到任何"旧版挑战数据副本"时，先数一遍描述符行——六项描述符是 v1.0.0 最终态的特征。同理，从第三方镜像下载时先核对是否有 ICUType。

坑 5：把 Survival=-1 当缺失值处理。
Outcomes 文件里 Survival=-1 是存活出院的约定值（set-a 实测 2,526/4,000 例）；而数据文件里 Height=-1 才是"未记录"。同名哨兵值两种语义——把 -1 一律转 NaN 再 dropna，你会扔掉六成存活标签并把阳性率翻三倍多（554/1,474≈37.6%）。加载代码里应显式写：Survival == -1 → In-hospital_death=0。

坑 6：把现代 AUC 与官方分数混排，或不知道下游重划分与官方相反。
STraTS 起的惯例是 set-b+set-c 训练/验证（80:20）、set-a 测试（11,988 例）——官方用途恰相反（A 训练、C 评测）。0.5353（官方 min(Se,PPV)）与 0.860（STraTS-mTAND AUC）是两把尺子，差 60% 不代表方法进步 60%（§4.3）。引用任何分数前先确认三件事：划分、指标、评测集。

坑 7：把 435.6 次观测、79.7% 缺失率当官方统计。
这两个数字出自下游论文的预处理口径（STraTS/ACM TCH/EMIT），剔除规则不同会得到不同值。官方从未发布缺失统计。写"数据画像"时标注口径来源，别写"该数据集平均缺失率 79.7%"这种绝对化表述。

坑 8：以为挑战记录能一一对应回 MIMIC-III。
挑战的 12,000 例来自 MIMIC-II v2.6，RecordID 体系与 MIMIC-III 的 icustay_id 不同命名空间，官方未发布映射表。"大部分重叠但不一一对应"是实情——想链回原库病历需自行按人口学与时间特征对齐，误差不可避免。需要完整临床细节（用药、诊断、自由文本）时应直接用 MIMIC-III/IV 而非用挑战切片反推。

§11 总结

11.1 三句话总结

1. PhysioNet/CinC Challenge 2012 用 MIMIC-II 的 12,000 例切片（前 48h 不规则时序、42 变量、13.9% 阳性率）定义了"ICU 死亡率早期预测"这个任务，并以"交代码不交分+双 event 评分+隐藏测试集"立下了可复现评测的早期标杆。
2. 数据 ODC-BY 1.0 无门槛公开（set A/B 全量、Outcomes-a 公开；set C 与 set-b outcomes 永不公开），官方冠军分 Event 1 0.5353 / Event 2 17.88，SAPS-I 基线 0.3125/68.58。
3. 赛后十年它成为不规则临床时序方法学的标准测试床（GRU-D→mTAND→SeFT→STraTS→EMIT），但三套变量口径、-1 双重语义与下游重划分（11,988 例，与官方相反）是引用与复现时必须核对的三大口径陷阱。

11.2 适合谁

• 做不规则采样时序建模（插值/衰减/注意力/集合函数）的研究者——这份数据是方法论文的"标配考场"，基线与划分有事实标准；
• 构建ICU 早期预警系统的工程团队——13.9% 阳性率、80% 缺失率下还能做的模型才谈得上落地前的压力测试；
• 研究评测协议的人——min(Se,PPV)、range-normalized HL、逐记录独立 run、禁止跨状态，每一条都是可引用的设计案例；
• 教学/入门场景——无注册门槛 + 单中心切片规模适中，是"MIMIC 家族体验版"。

11.3 不适合谁

• 需要完整临床细节（用药、诊断编码、自由文本、影像）的研究——挑战切片只有 48h 观测+6 字段结局，请用 MIMIC-III/IV/eICU；
• 需要多中心外部验证的研究——数据是单中心（BIDMC）切片，eICU (552)、nwicu (146) 才是多中心对照；
• 追求官方排行榜复现的团队——set C 与 set-b outcomes 永不公开，官方最终分数（尤其 Event 2 的 HL 统计量）第三方不可复现；
• 做等间隔高频信号（波形级）研究——这里只有数值化观测；波形请走 mimic3wdb (586)/vitaldb (192)。

11.4 30 秒决策卡

你的需求是？
├─ 跑不规则时序方法基准 → 用 set-b+c 训练/set-a 测试（11,988 例口径），
│   报 ROC-AUC+PR-AUC，与 STraTS-mTAND 0.860±0.004 对标（坑 6）
├─ 设计早期预警产品 → 先读 §4.5：业务要 PR-AUC/PPV@k 还是校准？
│   Event 2 思想（HL 校准）比 AUC 更贴近临床决策
├─ 教学或入门 ICU 数据 → 直接下载（ODC-BY 1.0 无门槛），先读坑 5（-1 语义）
├─ 需要用药/诊断/文本 → 转用 mimic-iii (106) / mimic-iv-clinical-database (4)，
│   本数据不提供这些字段
├─ 需要多中心验证 → 转用 eicu-crd (552) / nwicu (146)
└─ 研究评测协议史 → physionet.org/challenge/2012/ 公告页 + papers/（CC BY 3.0）

FAQ（高频问答 40 问）

A. 基础认知

F1：CinC Challenge 2012 是什么？
PhysioNet/Computing in Cardiology 2012 年度挑战赛的数据集与任务：用 ICU 入科后前 48 小时的不规则观测预测本次住院院内死亡。12,000 例，set A/B/C 各 4,000。

F2：数据是专门为挑战采集的吗？
不是。它从 MIMIC-II v2.6（BIDMC 2001-2007）的 12,753 例符合条件者中随机抽取，无任何新采集。

F3：为什么它是"经典"？
三个第一：PhysioNet/CinC 系列中首个聚焦 ICU 临床时序与死亡预测的届次；首个"交代码不交分"的大规模医疗评测实践之一；此后十年不规则临床时序方法论文的默认实验场。

F4：任务时间窗为什么是 48 小时？
官方只定了"前 48h"这一硬边界（早于 48h 结局被排除）。48h 恰好覆盖多数常规化验与体征的完整周期，又是"早期"干预的合理上限——这个设计被 2019 届（80h 脓毒症）继承并调整。

F5：和 MIMIC-II 什么关系？和 MIMIC-III 呢？
母库是 MIMIC-II v2.6；挑战数据是其 12,000 例随机子集。MIMIC-III 是 MIMIC-II 的扩展继任（2001-2012），与挑战数据大部分重叠但无官方映射表（坑 8）。

B. 数据与获取

F6：在哪下载？要注册吗？
physionet.org/content/challenge-2012/1.0.0/——无需注册、无 DUA，官方 zip/tar.gz 打包或单文件直链皆可。

F7：许可是什么？能商用吗？
数据文件 ODC-BY 1.0：署名即可，允许商用，衍生库需延续归属。参赛论文集 CC BY 3.0；组织者论文 DSpace 版 CC BY-NC-SA 4.0（非商业）。

F8：set A/B/C 各是什么？
A：4,000 例，数据+outcomes 全公开（训练集）；B：4,000 例，数据公开、outcomes 隐匿（在线评测）；C：4,000 例，全部隐匿（官方最终评测，从未公开）。

F9：set C 为什么拿不到？
竞赛完整性设计：测试集数据与标签由官方持有，防止针对性调参。副作用是官方最终分数第三方不可复现。

F10：能拿到 set B 的死亡标签吗？
不能。Outcomes-b.txt 从未发布。社区实践是用 set-a（标签公开）做自我评测，或用 STraTS 口径重划分（F23）。

F11：数据文件体积多大？
每例一个几 KB 到几十 KB 的文本文件，12,000 例整体打包在数百 MB 以内——单卡环境即可全量处理。

F12：版本会更新吗？
v1.0.0 是唯一版本号，2012 年发布后未再升级；十年间下载内容一致。

C. 格式与变量

F13：一条记录的文件结构？
CSV 文本，行格式 Time,Parameter,Value；文件头是 6 项一般描述符，其后为时序观测；Time 为距入科的"小时:分钟"；-1 表示缺失（有效值非负）。

F14：到底多少个变量？
正式口径 42 = 6 描述符 + 36 时序（37 项时序列表去重 Weight）。另有论文摘要 41（无 ICUType）与下游 37+4 两套口径，成因见坑 3。

F15：ICUType 是什么？
ICU 类型分类：1=CCU、2=CSRU、3=MICU、4=SICU。它是 2012-05-08 Phase 2 才加入的字段，早期副本没有。

F16：为什么有的血压有三套（SysABP/NISysABP/MAP）？
有创动脉导管测的收缩/舒张压与平均压（SysABP/DiasABP/MAP）和袖带无创测的（NISysABP/NIDiasABP/NIMAP）是不同测量通道，各自独立记录且频次不同——把它们当同一变量合并是常见预处理错误。

F17：MechVent、FiO2 是什么？
机械通气状态（0/1）与吸入氧浓度——治疗类变量，是区分"观测"与"干预"的少数字段，建模时可考虑分层处理。

F18：观测次数大概多少？
下游预处理口径平均 435.6 次/例（最大 1,497），跨度均值 47.3h；Cholesterol 仅 7.91% 的 stay 出现。注意这是预处理口径而非官方统计（坑 7）。

D. 标签与评分

F19：标签是什么、正负比例多少？
In-hospital_death（0/1）；实测 set-a 死亡 554/4,000=13.9%。Outcomes 另含 SAPS-I、SOFA、Length_of_stay、Survival 四个辅助字段。

F20：Survival=-1 是什么意思？
存活出院的约定值（非缺失）——set-a 共 2,526 例。误当缺失剔除会重创标签（坑 5）。

F21：官方评分是什么？
Event 1=min(sensitivity, PPV)（0-1，1 好）；Event 2=range-normalized Hosmer-Lemeshow H（趋 0 好，考校准+区分度）。官方 baseline 用 SAPS-I：0.3125 与 68.58。

F22：冠军多少分？
Event 1：Johnson 等 0.5353（28 人参赛，亚军 0.5345）；Event 2：Citi & Barbieri 17.88（23 人参赛）。

F23：现代论文的划分和官方一样吗？
不一样且方向相反：STraTS 起的惯例是 set-b+set-c 训练/验证（80:20）、set-a 测试，共 11,988 例。这是社区为"标签全知"做的选择（坑 6）。

F24：现代 SOTA 是多少？
STraTS 口径 ROC-AUC：GRU-D 0.833-0.846、SeFT 0.846、mTAND 0.844、STraTS 0.839、STraTS-mTAND 0.860±0.004（最佳）；PR-AUC 约 0.45-0.52。

E. 下游与基准

F25：为什么都用这份数据做基准？
规模适中（单卡可跑）、缺失极端（方法差异被放大）、划分有事实标准（可横向比较）、获取零门槛。

F26：GRU-D 的 0.833 和 0.846 哪个对？
都对，口径不同：0.833±0.005 出自 TKDD22 原文口径，0.846±0.001 出自 ACM TCH 统一预处理复现。同一方法都有复现带宽，逐位比较无意义。

F27：能和 MIMIC-III 上的结果直接比吗？
不能——样本子集、变量集、预处理、任务窗口都不同。跨数据集比较只在"同一方法族同一预处理流水线"内有效。

F28：这数据饱和了吗？
ROC-AUC 在 0.83-0.86 区间已挤了三代方法，差距进入 SD 噪声带；2024 年后的论文转向 PR-AUC、校准与效率的多维报告（§6.3）。

F. 工程与复现

F29：加载时最容易犯的三个错？
① Survival=-1 当 NaN；② 把无创/有创血压合并；③ 把时间戳当绝对时间对齐（它是相对入科的小时:分钟）。

F30：官方 sample entry 还能跑吗？
能。physionet.org/challenge/2012/ 保留 saps_score.m/.c、lemeshow.m 与 genresults.m/sh，MATLAB/Octave 或 gcc 即可复现 baseline。

F31：想链回 MIMIC 原库怎么办？
没有官方映射表；只能按人口学+时间特征自行对齐，误差不可避免。需要完整临床细节请直接用 MIMIC-III/IV（坑 8）。

F32：引用怎么写？
Silva I, Moody GB, Scott DJ, Celi LA, Mark RG. Predicting Mortality of ICU Patients: The PhysioNet/Computing in Cardiology Challenge 2012. Computing in Cardiology 2012;39:245-248（PMID 24678516）+ PhysioNet 资源引用（Pollard 等 2026）。

F33：为什么 set-b 有数据没标签，这设计合理吗？
合理且必要。set-b 是参赛期间的"在线评测集"——数据公开让参赛者能验证自己的 entry 能跑通，标签持有则防针对性调参。副作用是赛后 set-b 对非官方研究者只剩"无监督用途"。

F34：GRU-D 论文用的就是这份数据吗？
是。GRU-D（Che et al. 2018, Scientific Reports）的死亡率基准之一即 PhysioNet Challenge 2012 数据（其预处理版），另一份是 MIMIC-III 派生集。今天引用 GRU-D 的"PhysioNet-2012"分数即下游口径（坑 6）。

F35：这个数据集适合做迁移学习/预训练评测吗？
适合且常见：STraTS 的自监督预训练、APC、EMIT 都在此数据上做"预训练 + 少标签微调"实验（50%/10% 标签曲线）。其 80% 缺失率对预训练表征的稳健性是很好的压力源。

F36：能不能用它做"死亡风险可解释性"研究？
可以但有限制：变量只有 36+6 个且语义清晰，适合特征归因类研究；但注意它没有用药/诊断信息，"为什么死"的归因天花板受数据本身限制。

F37：阴阳样本比能调整吗？官方给过加权建议吗？
官方未给加权建议——这正是 min(Se,PPV) 指标代替类平衡技巧的设计意图。下游实践若用 AUC/PR-AUC 则无需重采样；若用交叉熵训练，常见做法是正类加权 1:6 左右（1/0.139 的倒数附近），需自行验证。

F38：数据里的时间戳有错乱/倒序吗？
官方只保证"按时间升序记录"并提示预期有离群值；实测个别记录存在近邻重复时间戳（多传感器并测所致）。解析时按稳定排序处理即可，无需假设严格单调。

F39：论文里"12,000 adult patients"和"12,000 ICU stays"是一回事吗？
本数据集语境下是一回事：每位患者只取"首次 ICU stay"（≥48h），一人一例。但注意在 MIMIC-II 全库语境中患者数与 stay 数不同——跨语境引用时别把全库的 25,328 stays 说成 25,328 人。

F40：2026 年了，新人第一个实验建议做什么？
三步：① 原始三元组解析 set-a，画出三个患者的 HR/GCS/血气采样时间线（直观感受不规则性）；② 复算 SAPS-I 并与 Outcomes-a 对照（体会"官方承认的出入"）；③ 在下游口径（11,988 例）上跑一个逻辑回归基线拿到 ROC-AUC≈0.78-0.80 的起点分数。走完这三步，你就拥有了读懂这份数据全部文献的坐标系。

事实清单（硬事实 36 条）

1. 全称（content 页）：Predicting Mortality of ICU Patients: The PhysioNet/Computing in Cardiology Challenge 2012，v1.0.0。
2. 论文：Silva I, Moody GB, Scott DJ, Celi LA, Mark RG. Computing in Cardiology 2012;39:245-248。
3. 论文标识：PMID 24678516；PMCID PMC3965265；MIT DSpace hdl 1721.1/93166。
4. 组织方：MIT（今 LCP）+ Beth Israel Deaconess Medical Center，依托 PhysioNet（NIH 资助）。
5. 数据源：MIMIC-II v2.6（BIDMC 2001-2007）。
6. 筛选链：12,753 例符合条件（成人≥16 岁 + 首次 ICU 住院≥48h）→ 随机抽 12,000。
7. 无其他排除标准：DNR/CMO 患者保留（官方页面明文）。
8. 三集划分：set A/B/C 各 4,000（A 训练+outcomes 公开；B 数据公开；C 全隐匿）。
9. 实测核验：set-b/ 目录 4,000 个 txt；Outcomes-a.txt 4,001 行（1 表头+4,000 记录）。
10. 变量口径（正式页）：42 = 6 一般描述符 + 36 时序（37 项列表去重 Weight）。
11. 变量口径（论文摘要）：41 = 5 + 36；ICUType 系 2012-05-08 Phase 2 增补。
12. 变量口径（下游）：37 time series + 4 static（RecordID 排除、Weight 归时序）。
13. 一般描述符：RecordID、Age、Gender(0/1)、Height(cm)、ICUType(1-4)、Weight(kg)。
14. ICUType 编码：1=CCU、2=CSRU、3=MICU、4=SICU。
15. 时间戳格式：距 ICU 入科的"小时:分钟"（如 35:19）。
16. 缺失约定：数值 -1 表示缺失/未知；有效观测值非负。
17. Outcomes 六字段：RecordID、SAPS-I、SOFA、Length_of_stay、Survival、In-hospital_death(0/1)。
18. 标签逻辑：Survival>LOS 或 Survival=-1 ⇒ 存活；2≤Survival≤LOS ⇒ 院内死亡；LOS/Survival 永不为 0/1。
19. 实测 set-a：院内死亡 554/4,000（阳性率 13.9%）；LOS 均值 13.4 天；SAPS-I 均值 14.2；Survival=-1 共 2,526 例。
20. 人群统计（论文）：年龄 64.5（SD 17.1）岁；身高 169.5（17.1）cm；体重 81.2（23.8）kg。
21. 下游画像（预处理口径）：平均观测 435.6 次/例（最大 1,497）；跨度均值 47.3h；平均缺失率 79.7%；Cholesterol 仅 7.91% 的 stay 出现。
22. Event 1 评分：min(sensitivity, PPV)，0-1，1 理想。
23. Event 2 评分：range-normalized Hosmer-Lemeshow H 统计量，趋 0 理想。
24. 提交形式：源代码——m-code 函数 [risk,prediction]=physionet2012(time,param,value) 或 ANSI C 可执行；输出 RecordID,prediction,risk。
25. 评测规则：逐记录独立 run，禁止跨 run 存储状态；官方框架 genresults.m/.sh。
26. 官方 sample entry：SAPS-I 当风险输出（附 saps_score.m/.c 与 lemeshow.m）。
27. baseline 分数：m-code 版 Event 1 0.3125 / Event 2 68.58；C 版 0.3097 / 35.21；随机基线 0.1386 / 10137.7。
28. 最终冠军：Event 1 Johnson/Dunkley/Mayaud/Tsanas/Kramer/Clifford 0.5353（28 人参赛）；Event 2 Citi & Barbieri 17.88（23 人参赛）。
29. Event 1 亚军：Citi & Barbieri 0.5345（差 0.0008）；Event 2 亚军：Kang/Su/Ji 20.58；Event 2 第 7 名 Pollard & Martinez 38.23。
30. 时间线：2012-01-20 开放；04-25 Phase 1 截止；05-08 Phase 2 修订（加 ICUType、删重复 Age）；08-25 Phase 2 截止；09-09~12 克拉科夫 CinC 颁奖。
31. License：数据文件 ODC-BY 1.0（无注册门槛）；参赛论文集 CC BY 3.0；组织者论文 DSpace 版 CC BY-NC-SA 4.0。
32. 获取地址：https://physionet.org/content/challenge-2012/1.0.0/（set-a/、set-b/、Outcomes-a.txt、papers/、官方打包）。
33. 永不公开项：set C 全部数据、Outcomes-b.txt（set B 结局）。
34. 现代基准（STraTS 划分，11,988 例，A 作测试）：GRU-D 0.833±0.005/0.846±0.001；mTAND 0.844；SeFT 0.846；STraTS 0.839±0.008；STraTS-mTAND 0.860±0.004；PR-AUC 约 0.45-0.52。
35. 系列地位：PhysioNet/CinC 挑战系列中首个聚焦 ICU 临床时序与死亡预测的届次；本库同系列最早年份条目。
36. 库内互链：mimic-iii (106)、mimiciii (590)、mimic-iv-clinical-database (4)、mimiciv (592)、cinc-2015 (487)、physionet-cinc-2016 (382)、physionet-cinc-2017 (162)、cinc-2018-sleep (493)、cinc-2019 (656)、cinc-2021 (644)、cinc-2023 (499)、eicu-crd (552)、eicu-collaborative (9)、vitaldb (192)、mimic3wdb (586)、mimic3wdb-matched (587)、mimic4wdb (588)、mimic-iv-ecg (172)、nwicu (146)、synthetic-mimic-iii-health-gym (597)。

附录 A：来源与双口径存照

关键数字/表述	来源	性质
12,000 例 / set A/B/C 各 4,000	挑战论文（CinC 2012;39:245-248）+ 官方 content 页	论文与页面互证
42 = 6 + 36 变量	content 页 v1.0.0 正文实抓	官方页面
41 = 5 + 36 变量	挑战论文摘要	论文口径（历史口径）
set-b = 4,000 个 txt	physionet.org/files/challenge-2012/1.0.0/set-b/ 目录列表实测	第一手实测（2026-09-26）
Outcomes-a.txt 4,001 行	同上文件实测	第一手实测
死亡 554 / 阳性率 13.9% / LOS 13.4 天 / SAPS-I 均值 14.2 / Survival=-1 2,526 例	本代理下载 Outcomes-a.txt 计算	第一手实测
冠军 0.5353 / 17.88；参赛 28/23 人	挑战论文+官方 top-scores 页	官方
baseline 0.3125/68.58；随机 0.1386/10137.7	官方 content 页 evaluation 说明	官方
时间线（01-20 开放至 09-12 颁奖）	content 页 news + challenge 页公告逐日	官方
ODC-BY 1.0	content 页 “License (for files)” 实抓	官方页面
PMCID PMC3965265 / PMID 24678516	PubMed/PMC 页面	官方索引
GRU-D 0.833-0.846 / STraTS-mTAND 0.860±0.004 / PR-AUC 0.45-0.52	STraTS（ACM TCH 2022）等下游论文	下游口径（非官方）
435.6 次观测 / 79.7% 缺失 / Cholesterol 7.91%	STraTS/ACM TCH/EMIT 预处理口径	下游口径（非官方）

存照清单（三口径与双划分的完整辨析见 §2.5、§4.3-4.4、§9 与坑 3/6/7）：

• 变量数三口径并存：41（论文摘要）/ 42（正式页面，本条目正文采用）/ 37+4（下游）。
• set 划分双口径：论文"三组各 4,000"；challenge 页"A=4,000，其余为 B 和 C"；set-c=4,000 系实测推断。
• 下游重划分（11,988 例）与官方用途相反；AUC 与官方分不可混排。
• MIMIC-II 全库 25,328 例系 ACM 论文转述口径，本条目未独立核验全库数。
• 平均缺失率与观测次数为下游预处理口径，非官方统计。
• 开源 entry 奖金数额官方未公布；2011 届与 2012 届的"首届"边界统一为"系列中首个聚焦 ICU 临床时序与死亡预测的届次"。

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	9	挑战论文（PMID 24678516）+PhysioNet 专页+十年下游文献链；"Challenge 2012/ICU mortality"检索密度高；唯 slug（cinc-2012）与官方 URL（challenge-2012）双体系需存照
A 可获取性	10	ODC-BY 1.0、无注册无 DUA、打包+单文件直链；set C/Outcomes-b 不公开属竞赛设计而非门槛——本库最高档
I 可互操作	6	每例 CSV 文本解析零依赖；但无官方 schema 文件、无标准加载器、无 MIMIC 原库映射表、时间戳为相对入科时刻
M 元数据质量	7	变量表与格式/标签约定完备；扣分项：变量数三口径、ICUType 中途增补、-1 双重语义散落页面各处
S 可持续性	9	PhysioNet 平台长期托管（NIH 资助体系）、v1.0.0 十年不变、镜像站保留公告史；社区（MIT LCP）活跃
综合评级	8.0/10（AI-Ready 优）	可获取性与可持续性顶级；互操作与元数据被"约定靠页面而非 schema"拖低

附录 C：逐项证据链自证

关键数字	来源	位置/方式
12,000 / 4,000×3 / 12,753	挑战论文 + content 页	三源互证（论文/页面/PMC）
6 描述符 + 37 时序列表	content 页 Variables 节	官方页实抓（2026-09-26）
set-b 4,000 个 txt	set-b/ 目录列表	curl+UA 实测
Outcomes-a.txt 4,001 行	文件直接下载	curl+UA 实测
死亡 554（13.9%）/ LOS 13.4 / SAPS-I 14.2 / Survival=-1 2,526	Outcomes-a.txt 统计	本代理第一手计算
min(Se,PPV) 与 range-normalized HL 定义	content 页 evaluation + challenge 页	官方页实抓
physionet2012 函数签名 / RecordID,prediction,risk 格式	challenge 页 submission 节	官方页实抓
逐记录独立 run / 禁跨 run 状态	challenge 页 rules	官方页实抓
baseline 0.3125/68.58 与随机基线	content 页/sample entry 说明	官方页实抓
冠军 0.5353（Johnson 等）/ 17.88（Citi & Barbieri）	挑战论文 Table + top-scores 页	官方
ODC-BY 1.0	content 页 License 栏	官方页实抓
ICUType 2012-05-08 增补	challenge 页 news（Phase 2 公告）	官方页实抓
PMC3965265 / hdl 1721.1/93166	PMC 与 MIT DSpace 页面	官方索引
GRU-D/STraTS/EMIT 数字	STraTS（ACM TCH 2022）等	下游论文口径

附录 D：数据获取决策树

需要 ICU 死亡预测/不规则时序数据
│
├─ 只要数据本体（最快路径）
│   └─ physionet.org/content/challenge-2012/1.0.0/
│       ├─ set-a.zip（4,000 例+标签公开）→ 教学/自评/开发
│       ├─ set-b.zip（4,000 例无标签）→ STraTS 口径训练分区
│       └─ Outcomes-a.txt → 标签与 SAPS-I/SOFA/LOS
│       许可 ODC-BY 1.0，无需注册；抓取带浏览器 UA（坑 2）
│
├─ 要"官方口径"的评测分数
│   └─ 第三方无法复现 set C 评测 → 引用官方论文分数（0.5353/17.88）
│       并注明不可复现性（附录 A 存照）
│
├─ 要完整临床细节（用药/诊断/文本）
│   └─ 转用 mimic-iii (106) / mimic-iv-clinical-database (4)；
│       挑战记录与原库无官方映射（坑 8）
│
├─ 要多中心 ICU 对照
│   └─ eicu-crd (552) / nwicu (146)
│
└─ 要波形级高频信号
    └─ mimic3wdb (586) / mimic4wdb (588) / vitaldb (192)

附录 J：官方样例代码与测试框架走读

PhysioNet 在数据包里附了一套完整的"参赛工具链"，走读一遍等于上了一堂 2012 年的评测工程课：

文件	角色	走读要点
physionet2012.m	MATLAB 样例 entry	函数签名 [risk,prediction]=physionet2012(time,param,value)；内部用 saps_score.m 算 SAPS-I 再映射风险——风险输出实际上是"按 SAPS-I 查表的经验概率"
physionet2012.c	C 样例 entry	与 m-code 同逻辑的 ANSI C 版；演示标准流 I/O（读入单记录文件、输出一行 RecordID,prediction,risk）
saps_score.m/.c	SAPS-I 计分函数	按 Le Gall 1984 的 12 个生理变量最差值计分；注意官方承认复算值与 Outcomes 记录值存在出入
genresults.m/.sh	批量测试框架	循环读入目录下每条记录 → 逐条独立调用 entry → 汇总输出；这是官方"逐记录独立 run"规则的参考实现
lemeshow.m	非官方 Event 2 计分	Hosmer-Lemeshow H 的 MATLAB 实现；官方注明与 score.c 有舍入差异
score.c	官方计分	Event 1 的 min(Se,PPV) 与 Event 2 的归一化 HL 均在此；最终排名以它为准
Sample-SetA.txt	样例输出	sample entry 对 set-a 全部 4,000 例的输出，可直接对 Outcomes-a.txt 自算分数

复现要点：genresults 框架与 entry 之间只通过标准 I/O 交互，这意味着任何语言只要能读写文本就能接入——2012 年官方对 Java/Perl/R 的"批准制"只是为了公平性备案，而非技术限制。今天的读者可以把这个框架原样搬来当自己的评测器：它天生满足"无状态、逐记录、可审计"三条。

附录 K：与 cinc-2019 的评分规则对照（同主题两届的演化）

2012 与 2019 届共享"ICU 数值观测 → 临床终点早期预测"骨架，但评分哲学差异巨大：

维度	2012（本条目）	2019（cinc-2019, rid 656）
终点	本次住院院内死亡	脓毒症首次发作（提前 ≥6h 预测）
窗口	入科后前 48h（固定截断）	入科后前 80h（逐小时滑动决策）
变量	42（6 描述符+36 时序）	40（生命体征+实验室+人口学）
数据源	MIMIC-II 单库	MIMIC-III + eICU 双库（三份训练集）
提交物	源代码（逐记录运行）	预测 CSV（逐小时概率行）
官方指标	Event 1 min(Se,PPV)；Event 2 归一化 HL	utility score：按"早距-奖励矩阵"加权的命中率-误报权衡
阳性处理	全局二分类阈值	每小时决策点各自计分，提前越早奖励越高
数据公开	set-a/b 数据公开 + Outcomes-a	三套训练集全公开（含标签），隐匿集仅终评用
对下游的启示	指标必须同时约束查全与查准	"早"本身就是被奖励的维度

读表要点：从 2012 到 2019，官方评测从"全局单阈值分类"进化为"逐时刻决策效用"，本质是把临床预警的"早"字写进了数学。两届对照阅读是理解"临床竞赛指标设计"最短路径。

附录 L：十个常见反模式（含修复建议）

1. 把 Survival=-1 转 NaN 再 dropna —— 扔掉六成存活标签。修复：Survival==-1 → 存活。
2. 把官方 0.5353 写成 “AUC 0.54” —— 官方从无冠军 AUC。修复：引用时保留 min(Se,PPV) 原名。
3. 用 12,000 例全量跑下游划分 —— 主流基准是 11,988（剔 12 例），数字对不上。修复：显式声明 N 与剔除规则。
4. set-a 与下游口径的测试集混用 —— 官方 set-a 是训练集；下游拿它当测试。修复：论文数据节放划分瀑布表。
5. 直接 pd.read_csv 后转数值 —— Value 列混合类型会错位。修复：按 str 读、按变量名转型。
6. 把 -1 一律转 NaN —— 描述符里 -1 确实是缺失，但 Survival 例外（坑 5）。修复：按字段分别处理。
7. 默认文件里有 ICUType —— Phase 1 版没有。修复：数描述符行（6 行 = 最终态）。
8. 把 Weight 当纯静态 —— 丢失液体平衡轨迹。修复：00:00 行与复测行拆开（坑 6）。
9. 对分箱矩阵算"数据集缺失率"再当官方统计引用 —— 79.7% 是下游口径。修复：注明出处与预处理。
10. 假设 RecordID 可回链 MIMIC-III —— 无官方映射。修复：需要临床细节直接用 MIMIC-III/IV（坑 8）。

附录 M：从三元组到模型输入的完整流水线（参考实现骨架）

# 流水线四段式：解析 → 对齐 → 缺失策略 → 评测口径
# 本骨架演示"官方口径"路径；下游口径替换第 4 段即可

# ---- 1) 解析：三元组事件表 ----
# 每例 → [(time_minutes, param, value), ...]
# 描述符（00:00 行）单独存 static dict；Weight 拆两份（坑 6）

# ---- 2) 对齐：按研究问题选择 ----
#   事件级模型（SeFT/STraTS 路线）：直接用三元组，时间做连续编码
#   序列级模型（GRU/GRU-D 路线）：48h × 42 网格 + 缺失指示 + Δt 通道

# ---- 3) 缺失策略（按变量组分别设定，勿全局一刀切）----
#   高频体征（HR/RespRate/...）：前向填充 + 衰减（GRU-D 思想）
#   低频化验（Lactate/TropI/...）：观测携带法（last-carried-forward）
#     + "距上次观测时长"作为特征
#   极稀疏（Cholesterol）：建议整列丢弃而非插补
#   static（Height/Gender）：均值/众数 + 缺失指示位

# ---- 4) 评测口径 ----
#   官方口径：set-a 训练（label 来自 Outcomes-a），
#             set-b/c 仅官方可评 → 本地只能做交叉验证
#   下游口径：set-b+set-c 80/20 训练/验证，set-a 测试，
#             报 ROC-AUC + PR-AUC（10 seeds 均值±SD），
#             声明 N=11,988 与剔除规则
# 共同底线：任何口径下都要写明"前 48h 输入 → 院内死亡终点"，
#           且 Survival=-1 永不进入特征（坑 5）

流水线的每一段都对应正文一个坑：解析对应坑 5/坑 6，对齐对应坑 7，缺失策略对应坑 7 的统计口径，评测对应坑 4/坑 6（编号见 §10）。把这份骨架当 checklist 用，可避开该数据集九成的工程事故。

附录 N：ICU 数据画像对照表（库内五份核心 ICU 数据）

维度	cinc-2012（本条目）	MIMIC-II（母库）	mimic-iii(106)	eicu-crd(552)	cinc-2019(656)
患者/stay 规模	12,000 stays	~2.5 万 stays（ACM 口径 25,328）	49,785 stays / 38,597 成人	200,859 stays	40,336 例
时间跨度	2001-2007（48h 窗口）	2001-2007	2001-2012	2014-2015	2001-2016
医院	BIDMC 单中心	BIDMC 单中心	BIDMC 单中心	208 ICU 多中心	BIDMC+eICU 双库
模态	42 变量数值观测	全 EHR（已下架）	全模态	数值 EHR	40 变量数值观测
窗口	前 48h	全程	全程	全程	前 80h
终点	院内死亡	—（自定）	自定	自定	脓毒症发作
许可/门槛	ODC-BY（无门槛）	已被 MIMIC-III 替代	CITI+DUA（受控）	CITI+DUA（受控）	CC BY-4.0（无门槛）
可比基准	十年方法谱系	—	海量衍生基准	多中心研究	2019 届榜单
典型用途	方法对标/教学	历史研究	深度挖掘	多中心验证	早期预测/迁移

附录 O：官方页面结构地图（URL 与内容分布）

physionet.org
├── content/challenge-2012/1.0.0/     正式数据页（v1.0.0）
│   ├── 页面正文 = 挑战主页全文镜像（变量表/评分/规则/时间线）
│   ├── License (for files) = ODC-BY 1.0（本页实抓）
│   ├── news 区 = 2012 年运营大事记（1/20、6/4、8/31 等公告）
│   └── files/  下同
├── challenge/2012/                   挑战历史主页（正文最全）
│   ├── scoring 节 = Event 1/2 规则细节
│   ├── software 节 = 样例 entry + 测试框架下载
│   └── top-scores.shtml              最终榜（Top 10 全名单+基线）
├── files/challenge-2012/1.0.0/       文件直链区
│   ├── set-a/  set-b/                各 4,000 个记录 txt（实测）
│   ├── Outcomes-a.txt                4,001 行（1 表头+4,000 记录）
│   └── papers/                       参赛论文集（CC BY 3.0）
└── archive.physionet.org/challenge/2012/   旧站镜像（Phase 1 期形态可考）

论文侧
├── PMC3965265 / PMID 24678516        官方挑战论文（全文）
├── hdl 1721.1/93166                  MIT DSpace（CC BY-NC-SA 4.0 版本）
└── cinc.org/archives/2012/pdf/0245.pdf   出版版 PDF

抓取提示：content 页与 challenge 页正文几乎同文，抓其一即可；top-scores 与 files 目录是独有内容，务必另抓。全部页面 2026-09-26 抓取有效。

---

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：

• cinc-2019 — 共享标签：电子健康记录 / 重症监护 / 时序数据 / 挑战赛数据集 / 评测基准
• mimic-iii — 共享标签：电子健康记录 / 重症监护 / 时序数据 / 评测基准
• clif — 共享标签：电子健康记录 / 重症监护 / 时序数据 / 评测基准
• ehrshot — 共享标签：电子健康记录 / 时序数据 / 评测基准
• hirid — 共享标签：电子健康记录 / 重症监护 / 时序数据
• eicu-collaborative — 共享标签：电子健康记录 / 重症监护 / 时序数据
• mimic-iv-ed — 共享标签：电子健康记录 / 重症监护 / 时序数据
• mimic-iv-ed — 共享标签：电子健康记录 / 重症监护 / 时序数据
• mimic-iv-clinical-database — 共享标签：电子健康记录 / 重症监护 / 时序数据
• amsterdamumcdb — 共享标签：电子健康记录 / 重症监护 / 时序数据

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。