CiPA 心电图验证研究

心电图数据集通常是「一群人的一次或几次检查」，CiPA 心电图验证研究不同：它是 60 名健康志愿者在被给药之后，连续多日、按时间点反复采集的心电轨迹，记录的是「心脏对药物的反应」，而不是「某人有没有心脏病」。数据由美国 FDA 药品评价与研究中心的临床药理学办公室牵头完成，2018 年 12 月托管到 PhysioNet，编号 ECGCIPA，共 5749 条 10 秒十二导联记录，配四张临床分析数据集。

它要回答的问题很具体：现行新药审评里那道「药物会不会延长 QT 间期」的关卡，会不会误伤一类本该安全的药。有些药同时阻滞外向钾流和内向钠流或钙流，净效应相互抵消，QT 间期几乎不动，但机制上并不危险；另一些药只阻滞钾流，QT 就明显拉长。旧的单一指标分不开这两类，这套数据是用来检验「加上 J-Tpeakc 能不能分开」的临床证据层。

想用它做心电算法、做药物心脏安全性建模、或者只是想知道暴露-反应分析长什么样的人，都可以直接从 PhysioNet 下载。第一件该做的事不是跑模型，而是先弄清 Part 1 与 Part 2 的设计差异——两部分的对照结构完全不同，混在一起统计会得出错误结论。

§1 它是什么：一项临床试验，不是一份病历库

1.1 命名与身份

CiPA 的全称是 Comprehensive in vitro Proarrhythmia Assay，中文一般译作「综合性体外致心律失常评价」。它不是一个数据集的名字，而是一个监管科学计划的名字。计划由美国 FDA 牵头，联合欧洲药品管理局、日本厚生劳动省等监管机构，以及多个学术机构和制药企业共同推进，目标只有一个：让新药在上市前的心脏安全性评价更准、更便宜，也更能反映真实的致心律失常机制。

本文所写的这个数据集，是 CiPA 计划中「临床验证」这一环所采集的数据，正式名称为 CiPA ECG Validation Study，PhysioNet 上的数据库代号是 ECGCIPA，DOI 为 10.13026/C2967M，2018 年 12 月 13 日上线，版本号 1.0.0。研究本体的临床试验登记号是 NCT03070470。

「验证研究」三个字是关键。这一批数据本身不产生新的生物学知识，它的职责是检验：CiPA 前面几层模型所预测的结论，在真人身上能不能被心电指标复现出来。因此它天然带有「答案已知」的性质——每一个给药组在设计阶段就有明确的正负预期，采集数据是为了看预期是否成立。

1.2 它要替代什么：Thorough QT 研究的困境

要理解这份数据为什么存在，得先说清楚它想替代的那个体系。

自 2005 年 ICH E14 指导原则发布以来，几乎所有新药在上市前都要做一项叫 Thorough QT（TQT）的研究：招募几十到上百名健康志愿者，给治疗剂量和超治疗剂量的试验药，同时用阳性对照药（通常是莫西沙星）验证研究本身的灵敏度，然后看 QTc 间期有没有超过 10 毫秒的延长。这项研究耗时、昂贵，而且几乎是每个新药研发流程里绕不开的一道坎。

问题出在指标本身。QT 间期指的是从 QRS 波起点到 T 波终点的整段时间，它由心室肌细胞动作电位的复极过程决定。但「复极变慢」只是结果，导致复极变慢的原因可能五花八门：药物可能阻滞了快速延迟整流钾流（I_Kr，其通道蛋白由 hERG 基因编码），也可能同时阻滞了晚期钠流或 L 型钙流而把延长的效应抵消掉。单一的 QTc 数字把所有这些机制折叠成一个标量，于是出现两个方向的错误：

• 假阳性：一个机制上安全的平衡型阻断药物，因为钾流阻滞占优或受试者个体差异，测出 QTc 延长，被要求做更多研究甚至被放弃。
• 假阴性：一个真正危险的药物，因为同时阻滞了内向电流，QTc 看起来正常，风险被掩盖。

TQT 的问题不在于它测错了，而在于它测得太粗。CiPA 的思路是把这个粗指标拆开，用机制层面能分别观测的量来替代它。

1.3 CiPA 的三层结构

CiPA 框架把评价拆成三层，每层回答一个不同的问题：

层级	做什么	回答的问题
第一层 体外离子通道测定	在表达单一通道蛋白的细胞系上测药物对七种关键离子通道的阻滞浓度-反应	这个药在分子层面影响了哪些电流、影响多大
第二层 计算机心肌细胞模型	把七通道数据代入心室肌细胞的动作电位数学模型，模拟复极过程	这些电流变化叠加起来，会不会导致动作电位时程延长或早期后除极
第三层 人源干细胞心肌细胞	在人诱导多能干细胞分化的心肌细胞（hiPSC-CM）上做多电极阵列或膜片钳测量	在更接近人心的细胞体系里，前面两层预测的结论是否还成立

七种通道通常包括 hERG（I_Kr）、KCNQ1（I_Ks）、KCNJ2（I_K1）、Nav1.5 晚期钠流（I_NaL）、Cav1.2（I_CaL）、Nav1.5 峰值钠流与 HCN4（起搏电流）。之所以要七种而不是只测 hERG，正是因为「平衡型阻断」这个概念只有在多个电流同时可见时才有意义。

三层都有之后，还缺一样东西：真人的验证。前两层是纯体外与纯计算，第三层是细胞层面的替代物，三层都在回答「机制上应该怎样」，但药物在人体内还要经过吸收、分布、代谢，血药浓度随时间变化，心率、自主神经张力也在变。只有把人真正给药、真正记录心电，才能确认模型预测的结论在整体水平上站得住。这就是这个数据集所处的位置——临床验证层。

1.4 两种生物标志物的分工

CiPA 的临床层不用 QTc 一个指标，而是用两个：QTc 与 J-Tpeakc。

J 点是 QRS 波群结束、ST 段开始的拐点。J 点到 T 波峰值这一段（J-Tpeak）主要反映心室复极的早期阶段，此阶段净外向电流的大小决定电位下降的快慢；T 峰到 T 末（Tpeak-Tend）则更多反映跨壁复极离散。用心率校正后的 J-Tpeakc，对内向钠钙流的阻滞比较敏感，对单纯的外向钾流阻滞相对不敏感。

于是两个指标形成一张二维判别图：

• 主要阻滞 hERG、几乎不碰晚期钠流或 L 型钙流的药（论文称「主导 hERG 型」），会让 QTc 延长，J-Tpeakc 也延长；
• 同时阻滞外向钾流与内向钠钙流的平衡型药物，QTc 可能延长也可能不延长，但 J-Tpeakc 不会延长。

这个假设就是整个验证研究的设计前提。它的可检验之处在于：如果平衡型药物的 J-Tpeakc 确实不延长，那 CiPA 第二层的计算机模型（它能算出「这个药是否平衡」）就获得了一个可以直接在人体上核对的对应指标，而不必再依赖一个含义模糊的 QTc。

1.5 版本与谱系

该数据集只有一个版本 1.0.0，自 2018 年上线后未再发布修订版。它的谱系相对简单：数据来自一项单一的 I 期临床试验，试验方案与统计分析计划作为设计论文的在线补充材料发布，结果发表在 Clinical Pharmacology & Therapeutics 2019 年第 105 卷第 4 期。

需要区分三个容易混淆的东西：CiPA 是一个计划，不是数据集；ECGCIPA 是这个计划下临床验证试验的数据集；NCT03070470 是这项试验的登记号，登记记录里还有方案概要、纳入排除标准与主要终点定义，是数据集文档之外的重要补充。

1.6 为什么一项计划需要「验证」这一环

任何以机制替代黑箱的尝试，都会遇到同一个质询：你怎么知道拆开的指标比原来的整体指标更好？CiPA 的三层模型再精巧，也只是在体外与计算环境里成立的推论。推论要成为监管可用的判据，必须在真实人体上走一遍。

验证研究的设计难点在于，它不能只证明「新方法也测出了危险药物」，那只能说明两者一致；它必须证明「新方法在旧方法出错的地方是对的」。因此试验必须特意纳入那些旧指标会误判的药物——平衡型阻断药物正是这类药物的典型代表，它们在 TQT 研究里经常表现为 QTc 轻度延长，从而在审批中被反复追问。

这就是 Part 1 选择雷诺嗪、维拉帕米、洛匹那韦+利托那韦三种平衡型阻断药物的原因：它们不是随机挑的，而是从这个「旧方法容易出错」的集合里挑的。氯喹作为主导 hERG 型的阳性对照，作用是证明检测链路没有失效。Part 2 在此基础上再往前走一步，用多非利特与地尔硫䓬的组合，直接考察两种阻断机制在同一受试者身上的叠加效应。

理解了这层设计动机，「60 人」这个数字就有了新的解读：它不是从人群中抽样得到的 60 人，而是为四个明确假设各自配置的对照单元。每一组十人对应一个待检验的机制命题，人数少是因为命题少且明确，不是因为做得仓促。

§2 数据构成：5749 条记录背后的设计

2.1 规模一览

维度	数值	口径说明
受试者总数	60	全部为健康志愿者
Part 1 受试者	50	编号 1001–1050，平行设计
Part 2 受试者	10	编号 2001–2010，交叉设计
raw 记录数	5749	原始提取的 10 秒片段，无标注
medians 记录数	5749	由 raw 派生的代表中位搏动，带标注
导联数	12	标准十二导联
单段时长	10 秒	与常见短时程心电库一致
整包体量	3.0 GB	官方页面标注的压缩前后同值
临床分析 CSV	4 张	adeg、adpc、adsl、addm

两个 5749 不是两份独立信号，而是同一批记录的两个形态：raw 是原始波形，medians 是从每条原始片段里提取出来的代表中位搏动并加上了标注。因此可用于算法评测的独立心电片段是 5749 条，不应表述为一万余条。

2.2 Part 1：五十人的平行设计

Part 1 采用双盲、随机、安慰剂对照的单周期平行设计。四种已上市药物加安慰剂，五种处理各分配 10 名健康受试者，连续给药三天，目的是在同一位受试者身上达到低暴露与高暴露两个浓度水平。

处理组	受试者数	机制定位
雷诺嗪	10	平衡型阻断（晚期钠流阻滞明显）
维拉帕米	10	平衡型阻断（L 型钙流阻滞明显）
洛匹那韦+利托那韦	10	平衡型阻断
氯喹	10	主导 hERG 型阻断
安慰剂	10	阴性对照

这种「每组十人、平行、连续给药三天」的结构，模仿的是 I 期临床里单次递增剂量与多次递增剂量研究（SAD/MAD）的做法：不追求统计功效，追求的是在可控暴露范围内拿到足够密集的时间序列，让浓度-反应曲线能够被拟合出来。

2.3 Part 2：十人的两周期交叉设计

Part 2 的十名受试者（编号 2001 至 2010）走的是另一套设计：双盲、随机、两周期交叉。第一周期在第 1、2、3 天，第二周期在第 8、9、10 天。这里比较的不是「给药与不给药」，而是「只阻滞 hERG」与「只阻滞钙通道」两种机制：

• 多非利特是经典的 hERG 阻滞剂，纯阳性对照，用来制造明确的 QTc 延长；
• 地尔硫䓬是 L 型钙通道阻滞剂。

交叉设计的价值在于每位受试者都同时经历两个周期，个体差异被自身对照消掉。十个人的样本量在平行设计里几乎无法做组间比较，但在交叉设计里，由于每个时间点都有自身基线，仍然可以观察机制层面的方向性差异。

2.4 四个文件目录

数据包的组织方式是「信号 + 表格」两分：

raw/ 存放原始提取的 10 秒十二导联心电片段，按受试者标识（USUBJID）建立子目录。文件采用 WFDB 格式，这是 PhysioNet 系列数据库通用的生理信号格式，.hea 头文件描述导联、采样率、增益，.dat 文件存二进制采样值。

medians/ 存放同一批记录派生出的中位搏动。做法是把一条 10 秒记录里的所有心搏对齐后取中位数，得到一个「典型心跳」波形，再在这个典型波形上标注六个关键点：P 波起点、QRS 起点、QRS 终点、T 波峰值、次 T 波峰值（若存在）、T 波终点。标注以 MIT 标准格式存为 .atr 文件，该格式是 PhysioNet 生态里通用的标注容器。

临床分析 CSV 共四张，它们的命名沿用临床试验数据交换标准（CDISC）的惯例：

文件	内容	体量
adeg.csv	每受试者、每参数、每分析周期、每访视、每时间点一条记录，含 ECG 定量测量变量	约 25.6 MB
adpc.csv	药代动力学定量测量，即各时间点的血药浓度	约 540 KB
adsl.csv	受试者级分析数据集，每人一条	约 11 KB
addm.csv	附加人口学与生命体征信息，登记时采集	约 13 KB

ecgcipa_metadata.docx 是这四张表的列定义文档，53.5 KB，是唯一说明字段含义的官方材料。

2.5 字段可靠性

字段	含义	可靠性	说明
USUBJID	受试者唯一标识	A	原始试验主键，贯穿信号目录与全部 CSV
受试者编号区间	1001–1050 与 2001–2010	A	官方页面明示，对应两个研究部分
给药处理	七个给药组与安慰剂	A	官方页面列出药物名
剂量与给药方案	具体毫克数与给药间隔	D	数据集文档未给出，需回溯设计论文补充材料
adeg 中的 ECG 测量值	QTc、J-Tpeakc 等定量指标	B	列定义在 metadata 文档中，具体推导算法依论文方法节
adpc 中的血药浓度	各时间点药物血浆浓度	B	同上，单位与检测方法见方法节
medians 的六个标注点	P/QRS/T 边界	B	半自动标注，未做多标注者一致性评估
采集年份	试验实施时间	D	官方未披露

2.6 采集年份与那个容易读错的数字

任务池里曾把这条数据标注为「2001-2010」，看起来像采集年份跨度。核对官方页面后可以确认：2001 到 2010 是 Part 2 交叉设计十名受试者的编号区间，与时间无关。同一逻辑下，Part 1 的 1001 到 1050 也是编号而非年份。

数据集的采集年份在官方文档中没有披露。可间接参照的时间锚点有两个：试验在 2017 年注册，结果为 2019 年发表。据此推测采集发生在这个区间附近，但这是推断，不是官方陈述，引用时不应写成确定年份。

2.7 记录密度：为什么 5749 这个数字比它看起来更有分量

单纯的记录数往往会被拿去跟百万级的临床心电库比较，然后得出「太小」的结论。这种比较忽略了两个结构差异。

其一是纵向性。5749 条记录分布在 60 名受试者身上，平均每人接近一百条，而这些记录不是随机时点，而是按给药后的时间表密集采样。也就是说，每一条记录都在一条时间轴上有一个明确的坐标，前后记录之间有可解释的因果关系（浓度上升、浓度达峰、浓度下降）。大规模临床心电库通常做不到这一点——每张心电图是就诊时的一次快照，前后没有量的关联。

其二是对照的严格程度。同一个受试者在安慰剂下的记录与在活性药下的记录，如果在设计上是可比的（同一时间表、同一设备、同一体位），那么两者的差值就非常干净。大规模真实世界库里几乎不存在这种可比性，患者的两次就诊之间，用药、病程、合并症都在变，差值无法归因。

把这两点加起来，5749 条记录提供的有效信息量远大于「5749 张独立心电图」。这也是它在 CiPA 框架里能够承担验证职责的前提：验证需要的不是宽，而是可归因。

2.8 数据质量的隐性维度

官方页面没有给出信号质量评分，但可以从数据结构推断几个质量维度：

采样时间表的规整程度决定了浓度-反应曲线能否拟合。若时间点在不同受试者之间偏移很大，汇总层面的曲线会被抹平。试验设计上，Part 1 连续三天给药、多点采样，这一点保证了时间轴的规整。

体位与活动状态对心电形态有明显影响，尤其是 T 波幅度与 QT 测量。临床试验通常要求在静息卧位下采集，但数据集文档没有逐条说明采集条件。使用者在解释幅度变化时，应把这一未知因素计入不确定性。

设备与电极配置的一致性直接影响多受试者合并分析。同一试验内通常使用同一型号设备，但文档未明示。若要做跨受试者的形态比较，建议先用少数几条记录核对导联标签与增益是否一致。

§3 怎么拿到：开放、免费、只需署名

3.1 访问条件

这个数据集的访问级别为开放访问（Open Access），不是受限或凭证访问。PhysioNet 页面明确写着：只要遵守指定许可的条款，任何人都可以访问文件。下载过程中不需要注册账号、不需要提交研究用途说明、不需要机构邮箱验证。页面上唯一需要登录才能看到的是通讯作者的联系方式。

这一点与库内另一批 PhysioNet 资源形成对照——部分数据库要求签署数据使用协议、通过 credentialed 认证，或者需要走 PhysioNet 的 restricted 通道。CiPA 数据完全在开放侧。

3.2 许可

许可是 Open Data Commons Attribution License v1.0，通常写作 ODC-By-1.0。这是 Open Knowledge Foundation 维护的一组开放数据许可之一，核心义务只有一条：署名。它允许商业使用、允许修改、允许再分发，不要求以相同许可发布衍生作品。

实践中需要留意的边界：

• ODC-By 是数据许可，不是软件许可，也不覆盖论文文本。论文本身的版权状态另计。
• 署名要求指向「贡献者」，PhysioNet 页面给出了明确的引用格式，按格式引用即可同时满足署名与可追溯。
• 由于不要求相同方式共享，基于这些数据训练出的模型、衍生出的特征表，可以按其自身的许可发布，不需要挂 ODC-By。

3.3 三条下载路径

路径	命令或入口	适用场景
整包 ZIP	页面上的 get-zip 链接	一次性取全量，最直接
递归同步	wget -r -N -c -np https://physionet.org/files/ecgcipa/1.0.0/	断点续传，网络不稳时更好用
对象存储	aws s3 sync --no-sign-request s3://physionet-open/ecgcipa/1.0.0/ 目标目录	有 AWS CLI 时批量拉取最快，无需凭证

此外 PhysioNet 提供 LightWAVE 在线查看器，可以直接在浏览器里打开某条记录看波形，不必先下载。做记录筛选或快速确认导联质量问题，这一步能省掉很多下载时间。

3.4 体量的两种口径

任务池里记的 25.6 MB 与官方页面的 3.0 GB 相差两个数量级，原因是两者在不同的对象上。25.6 MB 恰好等于 adeg.csv 这一个文件的体积（页面文件清单里 adeg.csv 标为 25.6 MB），而 3.0 GB 是整个数据包的体量，绝大部分来自 5749 条 WFDB 二进制波形。

规划存储时按 3.0 GB 算，若只做表格层面的暴露-反应分析，也完全可以只下四张 CSV，几百兆以内就能起步。官方页面把「未压缩大小」和「ZIP 下载大小」都标为 3.0 GB，两者同值在 PhysioNet 上并不罕见，实际解压后可能略大，按 3 GB 起步、留出余量即可。

3.6 下载后的第一小时该做什么

拿到 3 GB 的数据包之后，最容易犯的错误是立刻开始写解析器。更省时间的顺序是先做三件事：

第一，跑完整验和。SHA256SUMS.txt 有 3.2 MB，覆盖全部文件，校验一遍通常需要几分钟，但能排除传输损坏。若跳过这一步，后续所有「波形看起来异常」的排查都会多一层不确定。

第二，打开一条 medians 记录看标注落点。选一条 Part 1 的记录，用 LightWAVE 或任意 WFDB 阅读器加载，确认六个标注点是否落在直觉位置，特别是 T 波终点——这个点在双峰 T 波上最容易偏。这一步能让人对标注质量的直观印象，比读任何文档都快。

第三，读 metadata.docx 里的 adeg 参数枚举，把参数列的全部取值列一遍。CX 系列的 CSV 参数列往往是长格式，同一时间点展开成多行，若不知道参数取值全集，透视时会漏项。

做完这三件事，再决定是走「表格路线」（只用 CSV，做暴露-反应）还是「波形路线」（处理 WFDB，做信号分析）。两条路线的起点成本差别很大，先做决定能避免白下 3 GB。

3.5 与凭证访问资源的边界

PhysioNet 上同时存在开放、受控与凭证三类资源。受控资源（如 MIMIC 系列）需要完成人类受试者研究培训、签署数据使用协议，才能下载；凭证资源还需要机构担保。CiPA 属于开放类，没有这些前置。

这一差别对研究合规有实际影响。使用开放资源时，伦理审查的负担主要落在研究本身的用途上；使用受控资源时，还需要额外证明访问资格与协议履行。跨多库做研究时，把开放与受控资源混在一个数据管道里，会让合规文档变复杂——CiPA 这一端不会成为阻碍。

3.6 引用义务

PhysioNet 页面写明，使用该资源时须引用两件事：

1. 结果论文：Vicente J, Zusterzeel R, Johannesen L, Ochoa-Jimenez R, Mason J, Sanabria C, Kemp S, Sager P, Patel V, Matta MK, Liu J, Florian J, Garnett C, Stockbridge N, Strauss DG. Assessment of Multi-Ion Channel Block in a Phase I Randomized Study Design: Results of the CiPA Phase I ECG Biomarker Validation Study. Clinical Pharmacology & Therapeutics. doi:10.1002/cpt.1303
2. PhysioNet 平台引用：Pollard T, Moody BE, Lehman L, Gow B, Fernandes C, Xie C, Johnson A, Mark RG, Heldt T. PhysioNet as a global platform for biomedical research. Nature Health, 2026. doi:10.1038/s44360-026-00096-z

页面同时提供 APA、MLA、Chicago、Harvard、Vancouver 与 BibTeX 多种格式，直接复制即可。若研究涉及试验设计与统计分析计划，还应当引用设计论文：Vicente J 等，Mechanistic Model-Informed Proarrhythmic Risk Assessment of Drugs: Review of the CiPA Initiative and Design of a Prospective Clinical Validation Study，Clinical Pharmacology & Therapeutics 2018 年第 103 卷第 1 期。

§4 质量与已知问题

4.1 设计与执行的强项

这份数据的可信度主要来自三个设计特征，而不是来自样本量。

阳性对照的嵌入。 Part 1 里氯喹承担了阳性对照的角色：它是明确的主导 hERG 型阻断药物，如果这套方法连它都测不出延长，那整个方法就失效了。氯喹确实使 ΔΔQTc 与 ΔΔJ-Tpeakc 双双达到 10 毫秒以上，说明检测链路是通的。这种内置阳性对照，比事后用阳性药另行验证要更可靠。

平行与交叉并行。 Part 1 用平行设计换取「每人只经历一种处理、不产生携带效应」，Part 2 用交叉设计换取「每人都做自身对照、个体差异被消掉」。两种设计服务于两个不同的问题，不是重复劳动。

血药浓度同步采集。 这是它与绝大多数公开心电库最本质的差别。adeg 的测量值与 adpc 的浓度按同一时间点对齐，使得「效应随浓度变化」这条曲线可以被直接拟合，而不必靠给药时间做粗粒度代理。

4.2 已知局限

原论文自己点出了最要害的一条：每组十人的样本量，在有些情形下不足以刻画浓度-反应关系。这句话的含义是，某些药物的浓度-反应曲线在十个人的数据下拟合不稳定，斜率或置信区间会漂。

除此之外，从数据结构可以看出的局限还有：

• 人群单一：全部是健康志愿者，没有老年、没有肝肾功能不全、没有合并用药、没有基础心脏病。真实用药人群的复极储备往往更小，安全边际会更窄。
• 时程有限：每位受试者的观察窗是给药后的数天，无法反映长期用药下的适应性变化或迟发效应。
• 标注只在 medians：逐搏的节律事件（早搏、停搏、传导阻滞）不在标注体系内，raw 只有波形没有事件标签。
• 无诊断标签：这不是缺陷，而是性质——它本来就不是诊断数据集，不该被拿去做心律失常分类的监督训练。

4.3 假设—支持—反对

假设	支持证据	反对或未决之处
平衡型阻断药物不引起 J-Tpeakc 延长	洛匹那韦+利托那韦上界 8.8 ms、维拉帕米上界 6.1 ms，均低于 10 ms 的终点阈值	雷诺嗪上界 12.0 ms 未达标，说明「平衡型」这一分类内部并不齐整，晚期钠流与钙流阻滞的权重差异会影响结果
主导 hERG 型药物同时延长 QTc 与 J-Tpeakc	氯喹两者均达到或超过 10 ms	单一药物证据，主导 hERG 型这一侧的代表性有限
钙通道阻滞可以缩短 hERG 阻滞引起的 J-Tpeakc 延长	地尔硫䓬缩短了多非利特诱导的 ΔJ-Tpeakc，并延长 Tpeak-Tend	地尔硫䓬并未缩短多非利特诱导的 ΔQTc，两个指标给出不一致的方向，机制解释仍不完整
十人样本足以刻画浓度-反应	Part 1 每组十人、多点采样，终点在上界意义上可达	原论文明确承认部分情形不足，这是设计层面的固有限制，不是执行瑕疵

4.4 结论强度分级

结论	等级	依据
该数据集是 CiPA 临床验证试验的公开数据	A	官方页面、论文署名、试验登记三线一致
数据集为开放访问、ODC-By-1.0	A	官方页面许可段落明示
5749 条记录、60 名受试者、12 导联 10 秒	A	官方页面文件说明与描述两处一致
「2001-2010」是受试者编号而非年份	A	官方页面 Part 2 段落原文
采集年份在 2017 年前后	D	仅由注册年份与发表年份间接推断，无一手陈述
各药具体剂量	D	数据集文档未列，未从补充材料取得

§5 能做什么：从暴露-反应到算法校准

5.1 任务清单

任务一：浓度-反应曲线拟合。 把 adeg 里的 QTc 或 J-Tpeakc 变化量与 adpc 里的血药浓度按时间点对齐，对每个受试者拟合线性或 Emax 模型，再汇总到处理组层面，复现论文的主要终点。这是最贴合原始设计的用法。

任务二：复极标志物的自动测量。 用 medians 的六点标注作为金标准，训练或评测 T 波终点检测算法。T 波终点是心电自动分析里最不稳定的一个点，这批数据提供了额外的独立验证集——而且与常规心律失常库不同，这里的 T 波形态变化是药物诱导的，包含大量在静息心电里罕见的形态。

任务三：药物效应的波形表征。 raw 波形可以直接用于学习「药物暴露」这一潜在变量：以血药浓度为标签训练回归模型，看作息波形能在多大程度上预测浓度。这类模型在药物依从性监测、临床试验数据质量核查上有直接用途。

任务四：模型校准。 如果手上有自己的心肌细胞动作电位模型或离子通道预测模型，可以用这批数据检验：模型预测为平衡型的药物，其 J-Tpeakc 是否确实不延长。这是 CiPA 三层结构里第三层向临床层的闭环。

任务五：方法学教学。 平行设计与交叉设计、阳性对照与安慰剂对照、暴露-反应与浓度-反应、主要终点的上界判据——这套设计本身就是一个完整的临床药理学案例，适合作为教学素材。

5.2 最小可执行示例

想验证「这个数据集能不能直接做 QTc 分析」，最短路径是：

1. 只下 adeg.csv（约 25.6 MB），不必碰 3 GB 的波形包；
2. 读 ecgcipa_metadata.docx，确认 QTc 相关列名与单位；
3. 按 USUBJID 与时间点排序，画某一个受试者的 QTc 随时间变化曲线，确认能看到给药后的上升段与回落段；
4. 再下 adpc.csv（约 540 KB），把浓度并进来，画散点看浓度与 QTc 变化的对应关系；
5. 到这一步再决定是否需要 raw 波形——如果只做暴露-反应，波形并非必需。

5.3 暴露-反应分析到底在算什么

第一次接触这批数据的人，常把「浓度-反应」理解成「浓度越高、QT 越长」的一条单调曲线。实际做法要绕一个弯，这个弯正是统计设计的核心。

第一步是对每个受试者建立基线。基线通常取该受试者在给药前多个时间点的测量均值，再扣除同期安慰剂组的时间趋势。扣除安慰剂这一步很关键：人在一天之中、在试验环境里，QTc 本身会漂移，不扣掉这部分漂移，药物效应会被高估。

第二步是把每个时间点的测量值减去基线，得到该受试者的变化量，再与同一时间点的血药浓度配成一对。这样每位受试者贡献一串散点，横轴是浓度，纵轴是变化量。

第三步是在受试者内拟合线性模型的斜率，再把各受试者的斜率做加权平均，得到组水平的斜率估计。之所以先在个体内拟合再汇总，而不是把所有散点混在一起回归，是因为个体之间的基线水平差异很大，混合回归会让个体差异淹没浓度效应。

第四步是外推到治疗剂量下的峰浓度，给出预测变化量的上界。论文里那些「上界 8.8 毫秒」「上界 6.1 毫秒」的数字，就是这一步的产物。终点定义是上界小于 10 毫秒——注意是上界而不是点估计，这意味着判据偏保守，宁可把不确定度算进去。

理解这四步之后，就能明白为什么每组十人也能得出可解释的结论：个体内的浓度跨度足够大，斜率估计在个体层面是稳定的，汇总量是十个人的平均，噪声被平均掉一部分。但当个体间的斜率方向不一致时，平均值会掩盖异质性，这就是论文承认「部分情形不足以刻画浓度-反应」的具体含义。

5.4 一个常见建模误区

有人会直接拿 adeg 的 QTc 列与 adpc 的浓度列做一张散点图，然后抱怨「看不出关系」。原因通常在两点：没有扣基线，也没有扣除时间趋势。QTc 在一天内的波动幅度可以达到十几毫秒，与药物效应同一量级；不扣掉这部分，散点图就是一团云。

正确的顺序是先把受试者、时间点、处理组三个维度对齐，再在个体层面做差值。任何把「绝对值」当「效应量」的分析，结论都不可靠。这一条同样适用于 J-Tpeakc 与 Tpeak-Tend。

§6 常见误读与引用陷阱

常见说法	实际口径	依据位置
这是一个心电图数据集，可以用来训练心律失常分类模型	它是药物试验数据，无诊断标签、无心律失常标注，受试者全部健康，做分类没有监督信号	官方数据集描述与 adsl 字段定义
60 人太少，数据量小没什么用	规模的价值在密度不在人数：5749 条记录与血药浓度按时间点对齐，是可做回归的纵向数据	官方页面记录数与 adpc 说明
「2001-2010」是 2001 到 2010 年间采集的	那是 Part 2 受试者编号区间，采集年份未披露	官方页面 Part 2 段落
5749 条 raw 加 5749 条 medians，共一万余条独立心电	两者是同一批记录的两个形态，独立片段就是 5749 条	官方页面文件清单
数据集 25.6 MB，很小	25.6 MB 是 adeg.csv 单文件，整包 3.0 GB	官方页面文件清单与体量标注
这是 CiPA 计划的全部数据	只是临床验证层，体外通道测定与干细胞实验数据不在其中	官方页面研究目的段落
下载需要申请或签署使用协议	开放访问，按 ODC-By-1.0 署名即可	官方页面许可段落
J-Tpeakc 是 QTc 的替代指标	两者互补而非替代：QTc 反映全程复极，J-Tpeakc 偏重早期复极与内向电流	结果论文摘要与设计论文
数据可用于评估药物疗效	试验设计是安全性评价，没有疗效终点，受试者为健康人	研究设计与试验登记

技术陷阱：medians 与 raw 不是两条独立记录。 如果按目录分别统计样本量，会得到双倍计数。做交叉验证时，同一条记录的 raw 与 medians 必须划入同一折，否则同一条心电的两个形态会同时出现在训练集与验证集里，造成信息泄漏。

技术陷阱：USUBJID 与编号区间。 Part 1 与 Part 2 的受试者编号不连续（1001 至 1050、2001 至 2010），按编号排序时中间有空档，不能据此推断缺失受试者。两个部分的处理结构不同，任何组间比较都必须先分层。

技术陷阱：剂量信息不在数据集里。 adeg 与 adpc 有浓度，但没有「给了多少毫克、什么时候给的」这一层结构化字段。若研究需要剂量-反应而非浓度-反应，必须回到设计论文的补充材料，不能从数据中反推。

技术陷阱：ODC-By 不是 CC BY。 两者都是署名型许可，但法律文本不同，ODC-By 专为数据库设计，对数据库特有权利（sui generis right）的处理方式与 CC BY 不同。在合规文档里写许可名时不要混用。

技术陷阱：论文的卷期与在线年份不一致。 论文在线发表于 2018 年 11 月，正式卷期为 2019 年第 105 卷第 4 期。引用时应以卷期为准，写成 2018 或 2019 单独一个年份都会与文献管理软件的输出不符。

§7 在生态中的位置

7.1 与库内其他心电资源的关系

库内已有多条心电数据集，但它们与 CiPA 不在同一个坐标上。一条粗分界线是：绝大多数公开心电库记录的是「疾病状态」，CiPA 记录的是「药物暴露」。

条目	侧重	与 CiPA 的差异
QT 数据库（rid 122）	波形边界标注的金标准，用于评测 T 波终点等算法	同为 QT 间期主题，但为静息心电的标注质量基准，不涉及给药
PTB-XL（rid 70）与 PTB-XL+（rid 1025）	大规模临床十二导联心电与诊断标签	诊断导向，人群为就诊患者
MIMIC-IV-ECG（rid 172）	院内十二导联心电波形库	真实临床场景，无受控给药
Georgia 十二导联挑战赛（rid 1141）	挑战赛基准，强调可复现评分	评测导向
OpenECG（rid 802）	多中心大规模基础模型预训练集	规模导向，百万级记录
CODE-15%（rid 152）与 CODE-II（rid 806）	巴西远程医疗的大规模心电与标注	真实世界筛查场景
Norwegian Endurance Athlete ECG（rid 1012）	运动员静息心电的特殊形态	特殊人群
EchoRisk（rid 921）	肿瘤治疗相关心脏毒性的超声随访	同为「治疗对心脏的影响」，但模态为超声、场景为肿瘤治疗
Lobachevsky 心电数据库（rid 793）	逐导联 P/QRS/T 人工分界验证	标注方法与 medians 同类，可作方法对照

与 QT 数据库的对照最有价值：两者都关心 T 波终点这一最难标定的点，但 QT 数据库的标注来自静息心电，CiPA 的标注来自药物改变了复极形态的心电。若一个 T 波终点算法只在静息库上验证过，它在药物诱导的 T 波形态变化下表现如何，是一个尚未被充分回答的问题，而 CiPA 恰好提供了这批形态。

7.2 与监管科学的接口

CiPA 不是一个学术倡议，它的产出直接进入监管决策流程。这个数据集在其中的作用是提供「方法可用」的证据：如果监管机构要接受「用 J-Tpeakc 区分平衡型阻断」这一判据，就必须有在真实人体上验证过的数据支撑。

从数据使用者的角度看，这意味着两件事：一是这批数据的引用价值高于普通的公开数据集，因为它承载的是一个监管共识的形成过程；二是它的生命周期与监管进展绑定，若未来框架调整，数据的解读方式也会随之改变。

7.3 与替代方法的关系

近几年在心脏安全性领域，还有几条并行的技术路线：人诱导多能干细胞来源心肌细胞的多电极阵列测量、器官芯片上的心肌组织、以及基于大规模电子健康记录的药物警戒信号挖掘。这些路线与 CiPA 的关系不是竞争，而是互补——干细胞体系回答「细胞层面会怎样」，电子健康记录回答「真实世界人群里会怎样」，而 CiPA 的临床验证层回答的是「受控条件下人体整体会怎样」。三者共同构成一个从分子到人群的证据链。

7.4 对心电算法社区的意义

对做心电算法的团队来说，这个数据集提供了一种在多数公开库中缺席的评测条件：形态变化的成因是已知的。

常见的心电库把标签放在「诊断」上，模型学到的是「这张图对应哪种病」。当模型在跨库测试中掉分时，很难判断是疾病表现差异、设备差异，还是标注口径差异。CiPA 的条件不同：波形变化的驱动因素被设计好了——给药、剂量水平、时间点、血药浓度都是已知量。如果模型无法从波形中恢复出这些已知量，说明它没有捕捉到复极形态的可解释变化；如果能，则可以进一步检查它依赖的是哪些导联、哪些波段。

这种「成因已知」的评测条件，在算法可解释性研究里比单纯的准确率更有用。它把「模型学到了什么」从猜测变成了可测量的对照实验。

7.5 一个尚未被充分开发的方向

medians 的六个标注点在文献里主要被当作 T 波终点检测的验证集使用，但它的次 T 峰标注其实另有价值。双峰 T 波在药物诱导的复极改变里并不少见，它往往提示跨壁复极离散增加，与致心律失常风险相关。公开数据集中带明确「次 T 峰」标注的极少，这一列标注为研究双峰 T 波的自动识别提供了起点。

目前官方文档没有说明次 T 峰标注的覆盖比例，也没有说明在何种形态判据下会标注次峰。使用这一列之前，需要先在数据里统计它的出现频率与分布，再决定能否支撑一个独立的研究问题。

§8 总结

8.1 适用与不适用

适用：浓度-反应与暴露-反应方法学研究；复极标志物（QTc、J-Tpeakc、Tpeak-Tend）的算法评测；药物诱导心电形态变化的表征学习；心肌细胞模型与离子通道模型的临床校准；临床药理学与监管科学的教学案例。

不适用：心律失常分类模型的监督训练（无标签、人群健康）；诊断算法开发（无诊断金标准）；人群流行病学研究（60 人、健康志愿者、非自然抽样）；长期用药安全性评价（观察窗仅数天）。

8.2 三句话

第一，这是一项临床试验的数据，不是病历库；它的价值来自受控给药、多时间点采样与血药浓度同步测量，而不是受试者数量。

第二，它在 CiPA 三层框架里承担临床验证层，任务是检验「平衡型阻断药物不延长 J-Tpeakc」这一判据在真人身上是否成立，而验证结果本身是分化的——维拉帕米与洛匹那韦+利托那韦达标，雷诺嗪没有。

第三，使用它的第一道门槛不是技术，而是设计：Part 1 与 Part 2 结构不同、每组只有十人、剂量信息不在数据里，这三点决定了能问什么问题、不能问什么问题。

§9 数据字典与字段说明

9.1 信号文件结构

每条记录对应一组 WFDB 文件。头文件 .hea 的第一行记录文件名、导联数、采样率与采样点数，后续每行描述一个导联的名称、增益、基线、单位与存储格式。采样率与增益在官方页面未逐项列出，需读取头文件确认——这一点在把多条记录合并成矩阵时尤其重要，不同记录的增益若不一致，直接拼接会产生幅度偏差。

标注文件 .atr 采用 MIT 格式，每个标注由采样点位置、标注类型码与可选注释构成。CiPA 的 medians 标注使用了 P 波起点、QRS 起点、QRS 终点、T 峰、次 T 峰、T 终点六类，其中「次 T 峰」是为双峰 T 波准备的，在药物诱导的 T 波形态改变中并不罕见。

RECORDS 文件列出全部记录名，是遍历数据集的标准入口，比自行扫描目录更可靠。SHA256SUMS.txt 提供逐文件校验和，下载后应完整跑一遍校验，3 GB 的传输出现静默损坏并不少见。

9.2 临床分析表的读取要点

四张 CSV 沿用 CDISC 分析数据集的命名习惯，前缀 ad 表示 analysis dataset，后缀两个字母表示域：eg 为心电图、pc 为药代动力学、sl 为受试者级、dm 为人口学。理解这个命名规则，就能大致猜出字段的组织方式。

adeg 是数据量最大的一张，粒度最细：受试者、参数、分析周期、访视、时间点五个维度共同确定一行。参数列区分不同的 ECG 测量项（心率、PR、QRS、QT、QTc、J-Tpeakc 等），同一受试者同一时间点会展开成多行。做宽表转换时按参数列透视即可。

adpc 是浓度数据，粒度通常是受试者与采样时间点。它与 adeg 的对齐依靠时间点变量，而不是行号——两表的行数不同，直接按行拼接会错位。

adsl 每人一行，适合作为主表挂接人口学与分组信息。addm 是登记时采集的人口学与生命体征，字段较少，主要用途是描述受试者构成。

9.3 标注的可信度

medians 的标注被官方描述为半自动：先由算法给出初值，再由人工核对修正。官方文档没有披露标注者人数、是否交叉复核、是否计算过标注者间一致性。对于需要在 T 波终点上做严格评测的研究，这意味着标注误差的上界不可知，应当把它当作「参考标注」而非「金标准」。

这一判断有实际后果：若把 medians 当作绝对真值去报告算法的毫秒级误差，误差里会混入标注本身的噪声。更稳妥的做法是同时报告与参考标注的偏差分布，并在讨论中说明标注来源。

§10 获取与合规的实操清单

许可合规上需要落地的动作其实很少，但每一条都有具体的检查点：

检查项	具体动作	常见疏漏
引用完整性	同时引结果论文与 PhysioNet 平台引用	只引平台，漏掉原始论文
许可声明	在数据可用性声明中写明 ODC-By-1.0 并附许可链接	误写为 CC BY 系列
版本标注	标注 1.0.0 与 DOI 10.13026/C2967M	只写数据集名，无法唯一定位
衍生品许可	衍生特征表或模型可自选许可，无需沿用 ODC-By	误以为必须同许可发布
试验登记回溯	需要纳入排除标准时查 NCT03070470	在数据集文档里找筛选标准，找不到就跳过
论文方法节	需要剂量、采样时间表、QTc 校正公式时查设计论文补充材料	试图从 CSV 反推剂量

附录 A 关键数字速查

项目	数值
受试者	60（50 + 10）
记录数	5749（raw 与 medians 各一套）
导联与时长	12 导联，10 秒
处理组	7 个给药组 + 安慰剂
整包体量	3.0 GB
临床分析表	4 张 CSV
标注点数	6 类（P 起点、QRS 起点、QRS 终点、T 峰、次 T 峰、T 终点）
主要终点阈值	ΔΔJ-Tpeakc 上界 < 10 ms
版本与 DOI	1.0.0 / 10.13026/C2967M

附录 B 术语表

缩写	全称	含义
CiPA	Comprehensive in vitro Proarrhythmia Assay	综合性体外致心律失常评价，FDA 主导的新框架
TQT	Thorough QT study	全面 QT 研究，新药上市前的传统心脏安全性研究
QTc	Corrected QT interval	按心率校正的 QT 间期
J-Tpeakc	Corrected J-Tpeak interval	J 点到 T 波峰值、按心率校正的间期
Tpeak-Tend	T peak to T end interval	T 波峰值到终点的间期，反映跨壁复极离散
hERG	human Ether-à-go-go Related Gene	编码快速延迟整流钾通道 α 亚基的基因，其通道电流记作 I_Kr
I_NaL	Late sodium current	晚期钠流，由 Nav1.5 通道的晚成分承载
I_CaL	L-type calcium current	L 型钙流，由 Cav1.2 通道承载
hiPSC-CM	human induced pluripotent stem cell-derived cardiomyocyte	人诱导多能干细胞分化的心肌细胞
WFDB	Waveform Database	PhysioNet 的生理信号存储格式族
CDISC	Clinical Data Interchange Standards Consortium	临床试验数据交换标准组织，adeg 等命名由此而来
ODC-By	Open Data Commons Attribution License	面向数据库的开放许可，核心义务为署名
USUBJID	Unique Subject Identifier	受试者唯一标识
SAD/MAD	Single/Multiple Ascending Dose	单次/多次递增剂量研究

附录 C 使用前检查清单

1. 确认下载的是 1.0.0 版本，跑一遍 SHA256SUMS 校验。
2. 读 RECORDS 文件获取记录全表，不要靠目录扫描。
3. 读 ecgcipa_metadata.docx，把 adeg 的参数列枚举出来。
4. 按 USUBJID 首位数字把受试者分成 1xxx 与 2xxx 两批，分别处理。
5. 对齐 adeg 与 adpc 时用时间点变量，不用行号。
6. 做交叉验证时把同一条记录的 raw 与 medians 绑在同一折。
7. 报告 T 波终点误差时说明标注为半自动参考标注。
8. 需要剂量信息时去查试验登记与设计论文补充材料。

附录 D 未覆盖内容

以下几项在正文中未展开，理由与替代路径一并列出：

• 各药物的具体剂量、给药间隔与暴露水平：数据集文档未列，设计论文补充材料是唯一官方来源。
• 具体的心率校正公式与 QTc 计算实现：属方法节内容，未在数据集文档中说明。
• 受试者的纳入排除标准细节：查 NCT03070470 登记记录。
• 标注者构成与一致性统计：官方文档未披露。
• 采集的具体年份与地点：官方页面未披露，Spaulding Clinical Research 的参与暗示了部分实施地点。

附录 E 检索模板

按主题检索时，以下关键词组合更容易命中：

• 找原始数据：CiPA ECG Validation Study physionet 或 ECGCIPA
• 找方法背景：CiPA initiative review proarrhythmic risk assessment
• 找具体结果：CiPA Phase I ECG Biomarker Validation J-Tpeakc
• 找试验设计：NCT03070470 直接检索登记号
• 避开歧义：检索 CiPA 时容易撞到拼写相近的无关词，加上 proarrhythmia 或 cardiac safety 可有效收窄

附录 F DAIMS 评估

DAIMS 是数据与信息管理成熟度的评估框架，此处按其常见维度对 CiPA 数据做一个落地评估：

维度	评分	说明
标识与可发现性	高	有 DOI、有 PhysioNet 稳定入口、有试验登记号三重标识
元数据完整性	中	有独立的列定义文档，但剂量、时间表、采集年份缺位
许可清晰度	高	单一许可、页面明示、无附加限制
可复现性	中高	数据完整且公开，结果复现需依赖论文的方法节细节
标注质量证据	中低	半自动标注，无一致性统计
人群代表性	低	60 名健康志愿者，非自然抽样
长期维护	中	版本 1.0.0 后未修订，页面无更新公告

编辑说明

核验时间与方式：2026-10-18。以 PhysioNet 官方页面（ecgcipa 1.0.0）为主源实抓一次；结果论文摘要经两处独立转载源交叉核对（同一文本，作者、单位、终点数值一致）；试验登记号与论文卷期经第三方文献条目核对。未重新抓取全文 PDF。

双口径存照：

1. 体量：候选池记 25.6 MB，官方页面记整包 3.0 GB。核查后确认 25.6 MB 对应 adeg.csv 单文件体积，正文以整包 3.0 GB 为主口径，并在获取一节说明表格子集的实际体量。
2. 采集年份：候选池记「2001-2010」。官方页面无采集年份字段，2001 至 2010 被明确写作 Part 2 受试者的编号区间。正文据此判定候选池标注为误读，采集年份记为未披露。
3. 记录数：raw 与 medians 各 5749，正文按「同一批记录的两个形态」处理，不折算为一万余条。

未覆盖内容：通讯作者姓名（PhysioNet 页面要求登录才显示，未获取）；各药具体剂量与给药方案（数据集文档未列，未从设计论文补充材料取得）；数据采集的具体年份与实施地点。

下次复核触发点：PhysioNet 发布 1.1.0 或更高版本；结果为期刊正式卷期但有更正声明；CiPA 框架有新的监管共识文件发布。

---

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：

• fantasia — 共享标签：生理信号 / 心电信号 / 队列研究 / 心血管疾病
• norwegian-athlete-ecg — 共享标签：生理信号 / 心电信号 / 队列研究 / 心血管疾病
• wctecgdb — 共享标签：生理信号 / 心电信号 / 心血管疾病
• brugada-huca — 共享标签：生理信号 / 心电信号 / 队列研究 / 心血管疾病
• code-test — 共享标签：生理信号 / 心电信号 / 心血管疾病
• heartcycle — 共享标签：生理信号 / 心电信号 / 心血管疾病
• multimodal-surgery-anesthesia — 共享标签：生理信号 / 药物安全 / 心血管疾病
• ecg-arrhythmia — 共享标签：生理信号 / 心电信号 / 心血管疾病
• propofol-anesthesia-dynamics — 共享标签：生理信号 / 心电信号 / 药物安全
• ecg-fragment-high-risk-label — 共享标签：生理信号 / 心电信号 / 心血管疾病

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。