信息速览
ECHO-NOTE2NUM（EchoNotes Structured Database derived from MIMIC-III）是一个把重症监护超声心动图自由文本报告转为结构化数值的公开数据库，由 Beth Israel Deaconess Medical Center（BIDMC）团队构建，托管于 PhysioNet，版本 1.0.0 于 2024 年 2 月发布，数据论文发表于 Scientific Data 2025 年第 12 卷。它覆盖 2001 至 2012 年 BIDMC 的四万余份心超报告，将其逐份解析为 19 个心脏结构与功能编码字段，配套数据论文（PMID 40617839）。
心超报告的原始形态是叙述性文本：「左房增大，二尖瓣轻度反流，左室收缩功能正常」。这类文本无法直接进入统计分析或模型训练——要做 ICU 心血管流行病学，研究者只能逐份人工读报告；要做报告解析模型，又缺少一份可对标的参考答案。ECHO-NOTE2NUM 补的正是这一环：它定义了一套层级式数值编码系统，把心腔大小、室壁、收缩与舒张功能、瓣膜反流与狭窄、肺动脉压等描述统一转成带严重程度分级的数值，规模在同类公开资源中居前。
它适合三类使用者：做重症心血管研究的临床研究者，可将其与 MIMIC-III 的用药、生命体征、生存结局联动；做医学信息抽取的算法工程师，可用「原始文本 + 19 列编码」作为抽取任务的参考标注。第一件事是完成 CITI 培训并签署 DUA 拿到下载资格，随后先读数据论文的编码表再动数据——字段取值里的 -3、-2、-1、-50 各有特定语义，直接当成普通数值统计会得出错误结论。
§1 它是什么：定义、来源与版本
ECHO-NOTE2NUM 的全称是 EchoNotes Structured Database derived from MIMIC-III，即「源自 MIMIC-III 的 EchoNotes 结构化数据库」。它在 PhysioNet 上的登记 slug 是 echo-note-to-num（全展开形），官方缩写为 ECHO-NOTE2NUM——两处写法指向同一数据集，DOI 亦随版本区分：v1.0.0 对应 10.13026/xhrz-ht59，平台最新版指向 10.13026/0myn-kk52。
它的上游是 MIMIC-III——MIT Lab for Computational Physiology 维护的大型公开重症监护数据库，收录 BIDMC 2001 至 2012 年间五万余次住院的监护数据，其中包含四万余份超声心动图报告文本。这些报告在 MIMIC-III 中以 NOTEEVENTS 表的自由文本存在，机器不可直接分析。构建团队对该文本池做了两步处理：先筛出有效报告，再逐份把心脏结构与功能的文字描述转成数值编码，产出单一 CSV 文件 EchoReports.csv。
构建者是 BIDMC 与 MIT LCP 为核心的跨机构团队：第一作者 Gloria Hyunjung Kwak（Harvard/MIT/MGH/Emory），通讯作者 Christina W. Chen（UCSF），共同资深作者 Leo A. Celi 是 MIMIC 生态的发起人之一。数据经 HIPAA 标准去标识（日期随机平移、89 岁以上患者年龄掩蔽、操作者姓名等 PHI 移除），获 BIDMC 与 MIT IRB 批准并豁免患者个人同意。版本链很短：PhysioNet 仅有 1.0.0 一个版本（2024-02-23），论文则晚一年半发表于 Scientific Data（2025-07-05 在线）——数据先行、论文后置，属正常节奏而非双口径冲突。
1.1 上游是什么：MIMIC-III 与它的心超报告池
理解这条数据集，先要理解它的上游 MIMIC-III。MIMIC-III 是 MIT 计算生理学实验室与 BIDMC 合作维护的重症监护公开数据库，收录 2001 年至 2012 年间 BIDMC 五万余次住院的监护数据，覆盖生命体征、实验室检验、用药、诊断编码与临床笔记，是全球重症医学信息学领域被引用最多的数据资源之一。它经 HIPAA 标准去标识：每位患者的日期被随机平移，89 岁以上患者的年龄被掩蔽为 300 以上，操作医生姓名等直接标识符从笔记中移除。ECHO-NOTE2NUM 继承了这一整套脱敏框架，因此不需要重新做去标识处理。
MIMIC-III 内嵌的超声心动图报告以自由文本形式躺在 NOTEEVENTS 表里。这类报告有几个典型特征：句子高度模板化但又不完全统一；一个检查项目可能出现「未见明显异常」「轻度增大」「中度至重度反流」等梯度措辞；同一患者的历次报告之间措辞可能漂移；不同年份的报告格式也存在代际差异。对人类读者，读懂一份报告只需数秒；对机器，这些梯度措辞与代际差异正是解析的主要障碍。ECHO-NOTE2NUM 的核心贡献就是为这四万余份文本建立了一套统一的数值映射，把「轻度」「中度」「重度」这样的自然语言梯度固化成 1、2、3 这样的有序整数。
1.2 命名怎么读：EchoNotes 与 note-to-num
数据集名可拆成两半看。EchoNotes 是项目对「心超观察性笔记」的统称，对应 MIMIC-III 里的报告文本池；NOTE2NUM 则直接点明任务——note to number，把笔记变成数值。PhysioNet 平台要求 URL 使用全展开形式，于是页面 slug 写作 echo-note-to-num，而论文与数据引用使用压缩形式 ECHO-NOTE2NUM。检索时两串写法都值得存进词表：只用其一，可能漏掉另一半的官方材料。缩写中的「2」读作 to，是信息学领域 task 命名的惯用法（类似 sequence-to-sequence 缩作 seq2seq），不代表版本号。
1.3 团队构成与可行性从何而来
构建这类资源最稀缺的不是算力而是既懂心超又懂数据的人。团队构成恰好覆盖两端：第一作者 Kwak 具有临床与研究双重背景，通讯作者 Chen（UCSF）与共同资深作者 Celi（MIT LCP）分别代表临床信息学与 MIMIC 生态维护方，其余作者来自 Emory、WPI 与 Rocky Mountain VA 等机构，覆盖重症医学、数据工程与心血管研究。BIDMC 作为 MIMIC 系列数据的采集机构，天然拥有对原始报告语境最完整的理解——谁写的报告、按什么模板写、哪些措辞是本机构特有的，这些问题只有数据发源地的团队能够可靠回答。论文自述该库是首个大规模免费公开、含 ICU 患者心超报告并关联完整电子病历及出院后生存结局的资源，「首个」这一表述出自论文原文。
1.4 它解决什么、不解决什么，一句话版
一句话版：它解决「心超报告不能进表」的问题，不解决「心超测量不够准」的问题。前者是文本结构化任务——本库给出的答案是 19 列有序编码；后者是影像与测量任务——需要连续数值（EF 百分比、瓣口面积、压差）的研究应走影像测量资源。把这两个问题混为一谈，是引用本库最常见的出发点错误：期望拿到定量测量的使用者会失望，而期望拿到可统计表型的使用者则会发现这几乎是同类公开资源中最完整的一份。
§2 数据构成：十问十答与字段明细
Q1：ECHO-NOTE2NUM 到底是什么形式的数据？
一个 CSV 文件：EchoReports.csv。每行对应 MIMIC-III 里的一份心超报告，含三组信息——患者特征、笔记详情、19 个结构化编码字段。
Q2：数据从哪里来？
MIMIC-III 数据库中 BIDMC ICU 相关的超声心动图观察性笔记，时间窗 2001-2012。报告池共 45,794 份，其中有效报告 43,472 份；38,597 名 MIMIC-III 患者中 21,572 人拥有至少一份有效报告。
Q3：重点队列和全集是什么关系？
论文重点分析的是「住院期间至少一次 ICU 住院且有心超报告」的队列：19,675 人、22,840 次住院、31,973 份住院期报告；其余 11,499 份有效报告来自门诊或非 ICU 住院期间的检查。下载数据时拿到的是全集，队列划分由使用者按 hadm_id 与 status 字段自行完成。
Q4：患者特征字段有哪些？
subject_id、hadm_id、status（住院/门诊）、height (in)、weight (lb)、heart rate (bpm)、sbp (mmHg)、dbp (mmHg)、BSA (m2)——身高体重为英制，做米制分析需自行换算。
Q5：笔记详情字段有哪些？
row_id（行唯一标识，即 RecordSet 主键）、category（笔记类别）、text（原始报告全文）、chartdate、date_time。text 列保留了报告原文，这使数据天然构成「文本→编码」的对齐样本。
Q6：19 个结构化字段覆盖什么？
四个板块：心腔与室壁（LA_cavity、RA_dilated、LV_cavity、LV_wall、RV_cavity、RV_wall、RV_volume_overload）；收缩与舒张功能（LV_systolic、LV_diastolic、RV_systolic）；瓣膜（AV_stenosis、AV_regurgitation、MV_stenosis、MV_regurgitation、TV_stenosis、TV_regurgitation）；压力与负荷（RA_pressure、TV_pulm_htn、RV_pressure_overload）。
Q7：数值编码是什么意思？
每个字段按文本描述编码：0 正常；1/2/3 轻/中/重度；-2 异常但未注明严重程度；-3 无法评估；-1 特指高动力性左室收缩或 LV/RV 腔缩小；同一报告内严重程度不一致取最高级；功能描述互相冲突编码 -50；未提及为空。
Q8：Schema 1 与 Schema 2 的区别？
Schema 1 字段携带 0-3 严重程度分级（瓣膜反流/狭窄、心腔大小、LV 收缩舒张功能、室壁、RA 压力、TV 肺动脉高压）；Schema 2 字段只判有无、不分程度（RA dilation、RV pressure overload、RV volume overload）。
Q9：空值代表正常吗？
不代表。未提及即为空，缺失只说明原文没写。做患病率统计时必须区分「空（未评估）」与「0（正常）」，混用会系统性低估检出率。
Q10：字段可靠性如何？
下表按「可核查程度」给出各列评级：
| 字段组 | 内容 | 可靠性评级 | 说明 |
|---|---|---|---|
| 患者特征 | subject_id/hadm_id/status/身高体重/血压/BSA | 已核对（依论文表） | 英制单位需换算 |
| 笔记详情 | row_id/category/text/chartdate/date_time | 已核对（依论文表） | text 为去标识后原文 |
| 结构化字段（19 列） | 编码体系如 Q7 | 已核对（编码值）；语义存疑（-50 冲突样本占比未见统计） | 使用前必读论文编码表 |
| 文件规格 | 单一 CSV、PostgreSQL 9.4 / Python 3.6 构建 | 依惯例推定（文件体积两源均未披露） | 下载后以实际为准 |
2.1 编码取值的语义边界：一张自用速查
编码体系的设计比「0 到 3 打分」复杂得多，正文中反复出现特殊取值，这里把语义一次性集中说清。0 表示该检查项目在报告中被提及且判定正常；1、2、3 是轻、中、重三档异常，属有序类别；-2 表示报告写了异常但没给程度（例如只说「二尖瓣反流」而未说轻中重）；-3 表示该项目的描述存在但无法评估（例如图像质量不足以判断）；-1 是两个特例专用——高动力性左室收缩（一种超常而非病变的状态）与 LV/RV 腔缩小；-50 专用于功能描述互相冲突的报告（例如同一段内既说收缩功能正常又说减低）；空值表示报告未提及该项目，语义是「未查」而非「正常」。
这套设计的取舍值得注意：把「超常」编为 -1 而非 0，是为了在统计时能把高动力状态从正常组里拆出来；把「异常未分级」编为 -2 而非并入轻度，是为了保留「报告未给出程度」这一信息；冲突编 -50 而非随机取一档，是把「报告本身写得矛盾」显式标记为数据质量问题，交由下游研究者决定如何处理。使用者拿到数据后的第一件事，就是按这套语义决定每个特殊取值在自己分析中的归属——把它们混进常规统计，是这条数据最高频的使用事故。
2.2 四组字段的临床语境
心腔与室壁组（LA_cavity、RA_dilated、LV_cavity、RV_cavity、LV_wall、RV_wall、RV_volume_overload）：心腔大小是心超报告的常规叙述起点。左房增大常与舒张功能不全、二尖瓣病变和房颤风险相关；右室容量负荷与压力负荷分开编码，是因为两者提示的病理方向不同——前者多与房间隔缺损、三尖瓣反流相关，后者多与肺动脉高压相关。室壁厚度则主要服务于肥厚型心肌病筛查与高血压靶器官损害评估。
功能组（LV_systolic、LV_diastolic、RV_systolic）：左室收缩功能是 ICU 场景的核心变量之一，脓毒症心肌病、心源性休克的处理路径都依赖它；舒张功能在危重症液体管理中的价值近年持续上升；右室收缩功能在肺栓塞与肺动脉高压队列中是独立预后因子。这组字段全部属 Schema 1，即携带 0-3 严重程度分级。
瓣膜组（AV/MV/TV 的 stenosis 与 regurgitation 六列）：反流与狭窄分开、三个瓣位分开，使瓣膜病变可以被拆解为六个独立二至四档变量。ICU 患者的瓣膜描述多属轻度退行性改变，重度病变虽占比小却常改变治疗决策，分级编码保留了这一梯度。
压力与负荷组（RA_pressure、TV_pulm_htn、RV_pressure_overload）：肺动脉高压经三尖瓣反流速度估测，是心超报告连接右心病理的关键通道；右房压在 ICU 常被用于容量状态判断。这一组把「心超所见」与「血流动力学推断」分开编码，使用者可按研究问题选用。
2.3 一份报告从文本到编码的路径（示意）
以一段典型的报告叙述为例：「左房轻度增大。二尖瓣轻度反流。左室收缩功能减低，估计 LVEF 40%。三尖瓣未见明显反流。」按编码规则，LA_cavity 取 1（轻度增大），MV_regurgitation 取 1，LV_systolic 取 1 或按机构措辞习惯映射到对应档位，TV_regurgitation 取 0（提及且正常），LVEF 的具体数值 40 不进入任何字段——本库只保留分级语义，不保留连续测量值。这个示意说明两点：其一，编码丢失了定量信息，需要 LVEF 数值的研究应转向影像测量资源；其二，「未见明显异常」这类否定性描述被编码为 0 而非空值，「未提及」才留空——区分这两者的正是报告的书写粒度，也是空值密度在项目间不均匀的根源。
2.4 与 MIMIC-III 原始表的对照关系
本库的字段不是凭空设计的，每一列都能在 MIMIC-III 原始表里找到对应来源。患者特征列中的身高体重血压心率来自护理记录聚合，BSA 由身高体重按标准公式重算；笔记详情列的五个字段直接来自 NOTEEVENTS 表的对应列，row_id 沿用 MIMIC-III 的行标识，因此按 row_id 可回溯到 MIMIC-III 原始记录——这是审计编码正确性的官方通道。19 个结构化编码列则没有原始表对应物，是本库新增的全部信息增量。理解这层对照有一个直接好处：当怀疑某行编码有误时，正确动作是拿 row_id 回 NOTEEVENTS 找原文，而不是在编码列之间寻找自洽；当怀疑患者特征有误时，回 MIMIC-III 主库的对应表复核。编码列是派生物，原始表才是锚点。
2.5 数据快照的边界
需要明确的是，本库是 MIMIC-III 报告池在构建时点的快照：MIMIC-III 主库后来的版本修订（若涉及 NOTEEVENTS 行级变动）不会自动同步到本库。使用者在联动时应以本库 v1.0.0 与 MIMIC-III 官方版本的兼容说明为准，遇到 row_id 对不上的行，先核对两库各自使用的版本号再下结论。快照式发布是 MIMIC 家族的惯例，不是这条数据特有的缺陷，但「快照」意味着联合分析的版本组合应写进方法节——审稿人问起时，这是一个能提前准备的问题。
§3 怎么拿到：获取路径、许可与合规
ECHO-NOTE2NUM 走 PhysioNet 的凭证制（Credentialed Access）通道，没有匿名公开直链。完整获取路径共四步：第一步在 physionet.org 注册账号并完成邮箱验证；第二步在 CITI Program 完成「Data or Specimens Only Research」课程，把证书号填入 PhysioNet 的凭证申请（CITI 证书审核通常需要数日）；第三步在线签署 PhysioNet Credentialed Health Data Use Agreement 1.5.0；第四步回到数据页 echo-note-to-num 直接下载 EchoReports.csv。全程免费，无机构隶属也能申请，但个人身份信息须如实提交，签署的 DUA 禁止再识别患者、禁止向未签署者转分发数据。
许可与合规要点集中在三条。其一，数据适用 PhysioNet Credentialed Health Data License 1.5.0——这不是 CC 类开放许可，发表成果时的引用义务包括数据集本身（Kwak et al., PhysioNet, DOI 10.13026/xhrz-ht59）与数据论文（Sci Data 2025;12:1153），部分期刊还要求同时引用 PhysioNet 平台文献。其二，数据脱敏虽经 IRB 批准豁免知情同意，但 DUA 条款仍然约束再分发：如果要发布基于本数据的衍生表格或模型权重，需确认不构成数据本体转分发。其三，PhysioNet 页面对部分地区显示访问受限提示，若所在网络无法访问数据文件，属平台侧地区政策而非账号问题，通常需借助所在机构的合规渠道解决。
3.1 凭证申请的常见卡点
凭证流程本身不复杂，卡点集中在三处。第一处是 CITI 证书的机构归属：研究者若以个人身份注册 CITI，应选择「independent learner」路径并勾选 Data or Specimens Only Research 课程，证书有效期与 PhysioNet 要求对齐后再提交申请，可避免返工。第二处是审核周期：凭证审核依赖人工核对培训记录，高峰期可能等待数个工作日，排期紧张的课题应把这段时间计入项目计划。第三处是地区访问限制：PhysioNet 对部分网络环境显示数据不可用提示，此时账号与凭证状态正常也下载不了文件，需经所在机构的合规网络出口访问，而非反复重试个人网络。
3.2 合规使用的三条红线
拿到数据后，合规约束从「怎么拿」变成「怎么用」。第一条红线是再识别：DUA 明确禁止任何形式的身份重识别尝试，包括将日期平移偏移量与其他公开材料交叉比对。第二条红线是再分发：不得把数据本体（无论原始 CSV 还是仅换了格式的转存）提供给未签署 DUA 的人员；公开发表论文中的汇总统计表不受此限，但行级数据切片不能作为补充材料直接挂出。第三条红线是引用义务：使用数据发表成果时，必须引用数据集本体（含 DOI）与数据论文，这是 DUA 的条款之一而非学术礼仪。三条红线在 MIMIC 生态内是统一惯例，熟悉 MIMIC-III 使用规范的研究者不会有陌生感，但首次接触凭证制数据的研究者容易低估第二条——例如在课程作业或内部演示中随手转发 CSV，即便受众是同课题组成员，形式上也已越界。
3.3 与 MIMIC-III 主库凭证的关系
ECHO-NOTE2NUM 的 subject_id 与 hadm_id 与 MIMIC-III 完全对齐，但两库的 DUA 是分别签署的。做联动分析时必须同时持有 MIMIC-III 的访问凭证；只拿了 ECHO-NOTE2NUM 凭证无法合法拉取 MIMIC-III 主库的患者级数据。
§4 质量与已知问题
构建流程的质量控制以编码系统本身为核心：字段定义、分级阈值、冲突处理规则全部预先书面化（论文正文与补充材料），同一报告内多处以不同严重程度出现时统一取最高级，功能描述互相矛盾时编码 -50 而不是让使用者猜测。这种保守策略换来了编码的一致性，但也意味着若干行携带着「报告本身写得矛盾」的信息，抽样核查时应把 -50 行单独看待。论文未发布逐字段的标注者间一致性系数，这是当前公开材料里最主要的空白。
「假设—支持—反对」三列对照如下：
| 假设 | 支持证据 | 反对证据 / 限制 |
|---|---|---|
| 编码忠实反映了报告文本 | 编码规则书面化、流程透明、团队含临床与信息学双背景作者 | 无逐字段一致性系数；-50 冲突行的规模未披露 |
| 规模足以支撑 ICU 心超流行病学分析 | 报告池与患者池均达万级，跨 11 年 | 单一机构 BIDMC、时间窗止于 2012，当期临床实践（如指南阈值）与今天有差异 |
| 可与 MIMIC-III 无缝联动 | 主键对齐（subject_id/hadm_id），论文明确以此设计 | 两库 DUA 分开签署；MIMIC-III 本身的已知偏倚（转诊模式、单中心）会被继承 |
| 空值可当作「未查」处理 | 编码规则明确「未提及为空」 | 报告书写习惯差异大：有的机构模板化罗列所有项目，有的只写异常项，空值密度在机构内部也不均匀 |
| 数值可直接进回归模型 | 有序编码设计初衷即统计分析 | 分级是有序类别而非连续测量，按线性处理是有建模假设的，敏感分析建议同时给出类别化结果 |
4.1 从数据论文视角读质量声明
数据论文对质量问题的披露方式值得逐条拆解。作者明确说明编码规则先于标注执行书面化，这意味着编码过程不是逐份临场判断，而是规则套用——好处是可复现、可审计，代价是规则覆盖不到的罕见措辞只能落入特殊取值。论文把「同一报告内严重程度不一致取最高」与「功能描述冲突编 -50」两条策略写进了正式方法节，相当于把这些边界情形的处理方式当作数据集设计的一部分来声明，而非事后补丁。同时也要看到缺席项：论文没有给出逐字段的标注者间一致性系数，没有披露 -50 行的绝对数量，也没有提供抽样人工复核与编码结果的一致率。这三项缺席并不罕见——数据论文的篇幅惯例本来就不容纳完整质量附录——但它们决定了使用者在做高利害分析前，应该自己抽样核对多少行。
4.2 抽样自查的建议流程
在正式分析前做一轮小规模自查，成本很低而收益稳定。建议流程：先按 row_id 随机抽几十行，对照 text 列与 19 列编码逐字段核对映射是否合理；重点抽 -2、-1、-50 与空值密集的报告，确认特殊取值的触发原因与自己对其语义的理解一致；再抽同一 subject_id 的多份历次报告，观察同一患者编码的纵向变化是否符合临床叙事。自查中发现的系统性误解（例如把某机构的固定措辞误读为异常分级）应回填到自己的数据字典里，而不是反复修改分析代码。这一流程也是使用凭证制医疗数据的基本功：编码是别人做的，理解是自己的责任。
4.3 与「假设—支持—反对」表配套的阅读姿势
上表五条假设共同指向一个阅读原则：这条数据集的每项能力都有明确的成立条件。编码忠实于文本——在报告模板稳定的措辞上成立；规模支撑流行病学——在单中心、时间窗内的研究问题里成立；无缝联动——在主键对齐与双 DUA 都办妥时成立；空值可解释——在区分「未提及」与「未查」的前提下成立；数值可进模型——在承认有序类别假设的建模下成立。把条件写清楚不是给数据集找补，而是让引用它的人知道自己站在哪块地板上。
4.4 使用边界清单
已知问题清单的另一面是使用边界：它不提供任何影像、不含连续测量值（如 EF 百分比、瓣口面积数值）、不覆盖 2012 年之后的实践。需要这些的应转向 MIMIC-IV Echo 或原始 DICOM 资源。
§5 能做什么：任务清单与最小可执行示例
按数据形态，可行的任务分四类。第一类是重症心血管流行病学：把 19 列编码当作表型变量，与 MIMIC-III 的诊断、用药（如升压药、利尿剂）、实验室与生存结局做关联分析——论文本身给出的示例问题（危重症期间左室收缩功能的轨迹、心超结果对血流动力学不稳定病因鉴别的贡献）都属此类。第二类是临床文本信息抽取：text 列与 19 列编码构成天然的「句子级描述→分级标签」对齐样本，可用于训练与评测报告解析器，尤其适合评测模型对严重程度分级的判别力，而不只是实体识别。第三类是数据方法学研究：层级编码系统、冲突取最高策略、Schema 1/2 双档设计都是可被后续报告结构化项目复用的模板。第四类是教学与数据工程练手：单文件 CSV、字段语义自洽，适合作为医疗 NLP 课程的入门实操数据。
最小可执行示例（pandas 伪代码，拿到 CSV 后十分钟内可跑通）：
import pandas as pd
df = pd.read_csv("EchoReports.csv")
step1：看规模与字段
print(df.shape, df.columns.tolist())
step2：LV 收缩功能分布（区分空值、-50、正常与各级异常）
lv = df["LV_systolic"]
print(lv.value_counts(dropna=False).sort_index())
step3：与 MIMIC-III 联动，按 subject_id/hadm_id 关连 ADMISSIONS 表
adm = pd.read_csv("ADMISSIONS.csv")
merged = df.merge(adm, on=["subject_id","hadm_id"])
第三步的关键提醒已写在注释里：SQL/merge 的 join 键是 subject_id 与 hadm_id 的二元组，仅按 subject_id 连接会把同一患者多次住院的报告错配到其他住院上。
5.4 工具生态与上手顺序
围绕 MIMIC 家族已经形成了稳定的工具层，上手顺序建议照此安排：先读数据论文的编码表（半小时，回报最高的半小时）；再用 pandas 或 duckdb 做 §5 的最小示例；然后用官方或社区维护的 MIMIC-III 建库脚本把主库装进本地数据库，本库 CSV 可作为单表导入同一库中，join 即走 SQL；最后再考虑统计与建模。不建议的反序是先装模型库再回头补数据理解——特殊取值语义一旦理解偏差，后面所有产出都要返工。遇到字段疑问时，查询顺序依次为：PhysioNet 数据页的字段说明、论文方法节、论文补充材料；三者都没有时再考虑联系作者，这一顺序也适用于 MIMIC 家族所有凭证制资源。
5.1 四类任务的深浅差异
四类任务对数据的使用深度不同，值得分别说透。流行病学类任务用得最「浅」：编码字段当表型变量，重点在特殊取值清洗与队列划分，数据本身够用，难点在 MIMIC-III 侧的混杂控制。信息抽取类任务用得最「深」：text 列与编码列的对齐让研究者可以反向拆解——对每个编码非空的字段，回到原文定位触发它的句子，构造句子级训练样本；这种「从标签回溯证据句」的用法在纯标签数据集里做不到，是本库结构带来的独特便利。方法学类任务用得最「广」：编码系统的设计决策（双档 Schema、特殊取值、冲突策略）每一个都是可对照的先例，做新报告结构化项目的团队可以直接评估哪些决策适合自己的语料。教学类任务用得最「稳」：单文件、字段语义自洽、规模适中，学生一节课内可以完成从下载到描述统计的全流程。
5.2 选题示例与对应的字段组合
几个具体选题与所需字段的对应，供起步参考。危重症期间左室收缩功能轨迹：LV_systolic 加 chartdate 与 MIMIC-III 入院时间轴，按 subject_id 做纵向分析。瓣膜病变与结局：六列瓣膜字段与 MIMIC-III 死亡/出院数据，注意轻度病变占比高，需按 0-3 全档建模而非二分。肺动脉高压队列识别：TV_pulm_htn 与 RV_pressure_overload 组合，叠加 RV_systolic 评估右室功能损害。报告解析基准：从 text 列回溯 19 列编码的证据句，构造「句子→字段→档位」三层评测集，评测解析器的分级判别而非仅实体命中。液体管理与舒张功能：LV_diastolic 与 MIMIC-III 的出入量记录联动，研究舒张功能不全患者对容量负荷的敏感性。
5.3 从本库出发时不该做的事
同样重要的是否定清单。不要用本库训练影像模型——它没有影像。不要把编码当作连续测量做线性回归后直接解释「每增加一档等于多少百分比变化」——有序类别的档间距未定义。不要把空值填 0 后统计患病率——这会系统性低估异常检出。不要把结论外推到当代临床——时间窗止于 2012，报告措辞与指南语境均已变化。不要绕开 DUA 转发数据——这是 MIMIC 生态内被明令禁止且会牵连整个课题组合规记录的行为。
§6 常见误读与引用陷阱
| 常见说法 | 实际口径 | 证据位置 |
|---|---|---|
| 「数据集叫 Echo Note to Num」 | PhysioNet URL 是 echo-note-to-num（全展开形），官方缩写是 ECHO-NOTE2NUM，论文正式名称为 EchoNotes Structured Database derived from MIMIC-III；三者同一实体 | PhysioNet 数据页 + 论文摘要 |
| 「四万多条测量数据」 | 有效报告为四万余份，测量粒度是每份报告 19 个有序分级编码字段，不是四万条定量测量 | 论文 Methods 与 PhysioNet 字段表 |
| 「报告数就是患者数」 | 报告数远大于患者数：同一患者可跨多次住院多次检查，患者数约报告数一半 | 论文 Abstract 与 Background 分列口径 |
| 「0 到 3 是连续评分」 | 0/1/2/3 是有序类别（正常/轻/中/重），另有 -3、-2、-1、-50 与空值五个特殊取值，各自语义不同 | PhysioNet 编码说明 |
| 「-50 是轻度异常」 | -50 专指功能描述互相冲突，属数据质量标记，不是异常等级 | PhysioNet 编码说明 |
| 「空值说明检查正常」 | 未提及即空，与 0（正常）语义相反；混用会低估异常检出 | 编码规则 + §2 Q9 |
| 「开放许可随便转分发」 | 凭证制 + DUA 1.5.0，禁止再识别与转分发；引用需同时给数据 DOI 与论文 DOI | PhysioNet License 区 |
| 「MIMIC-IV Echo 的一个子集」 | 上游是 MIMIC-III（BIDMC 2001-2012），与 MIMIC-IV Echo 无包含关系，主键体系也不通用 | 论文标题与 Methods |
上表右列的「证据位置」均为公开可查的官方口径：PhysioNet 数据页、论文摘要与方法节。误读的来源大体有三类，理解来源比记住单条更省力。第一类来自名称的多样写法——官方缩写、URL slug、论文全称三串并存，文献管理软件自动截断后极易以讹传讹，遇到不确定的写法应回 DOI 反查而不是沿用二手材料。第二类来自编码体系与常规打分量表的心理混淆——使用者默认 0-3 是连续分数、默认空值是正常，这两条直觉在这条数据里都是错的，且错误结论（患病率、均值、回归系数）表面上完全合理，只在与方法学原文对照时才暴露。第三类来自与 MIMIC 家族其他成员的混淆——四万余份报告、两万余名患者的量级与 MIMIC 主库接近，写作时不注明是哪个库的子集，读者便会把 MIMIC-IV Echo 的影像属性套在本库头上。
6.1 引用时的标准写法
数据引用建议采用双条目式：数据集条目写 Kwak, G. H., et al. (2024). EchoNotes Structured Database derived from MIMIC-III (version 1.0.0). PhysioNet, DOI 10.13026/xhrz-ht59；论文条目写 Kwak, G. H., et al. (2025). Large open access database of echocardiogram reports in intensive care unit patients. Scientific Data, 12, 1153, DOI 10.1038/s41597-025-04849-5。正文中首次提及时给出全称与缩写，其后统一用缩写；避免在正文里用 URL slug 当作数据集名——slug 是平台路径，不是名称。期刊若要求引用平台文献，按 PhysioNet 页面给出的标准引用补充即可。
6.2 技术性陷阱清单
- URL 与缩写混检：文献检索时用 ECHO-NOTE2NUM 可命中论文与 PhysioNet，用 echo note2num 加空格可能漏检 PhysioNet 页面；反过来按 slug echo-note-to-num 检索会错过引用论文。两串都存进检索词表。
- 英制单位直用：身高列单位是英寸、体重列是磅，直接与米制队列合并比较会得到荒谬的体型分布；BSA 列已是平方米，可反向校验换算。
- join 键粒度：联动 MIMIC-III 必须用 subject_id + hadm_id 二元组；仅用 subject_id 会跨住院错配。
- -50 行的处理：做患病率统计时 -50 既不能算异常也不能算正常，需按数据质量标记单列报告。
- Schema 1/2 混编：RA_dilated、RV_pressure_overload、RV_volume_overload 三个字段不分严重程度，别给它们套 1/2/3 的程度解释。
- 时间窗边界：2012 年后的临床实践变化（指南更新、报告模板化）意味着把结论外推到当代队列需要论证，而非默认成立。
§7 在生态中的位置
心超数据公开资源大体沿三条线展开：影像线（EchoNet-Dynamic 等视频功能评估资源）、影像测量线（MIMIC-IV Echo 的机器导出测量与影像）、文本线（心超报告文本及其结构化）。ECHO-NOTE2NUM 位于文本线，是迄今规模居前的公开「报告→分级编码」资源，其定位与影像线资源是互补而非竞争——同一研究问题里，影像线回答「机器看图测得准不准」，文本线回答「医生写的报告承载了什么结论」。
在 MIMIC 家族内部，它是把 MIMIC-III 自由文本资产转为可分析结构的第一批专项数据库之一。与库内条目的关系：mimic-iv-echo（rid 1094）是 MIMIC-IV 侧的影像与测量资源，可视为「新版本、另一数据类型」的平行物；echonet-dynamic（rid 526）与 echonet-lvh（rid 530）覆盖视频与射血分数、肥厚型心肌病识别任务；echorisk（rid 921）同属报告文本结构化路线，侧重风险预测方向。四者与本文互链构成「心超公开数据」的完整图谱。
第三方复用方面，PhysioNet 平台对凭证制资源没有公开的下载量统计，引用层面论文 2025 年发表时间尚短，短期内被大规模用于基准的可能性有限——使用者在引用时如实标注 v1.0.0 即可，无需追平其他高引用资源的口径。
7.1 库内相邻条目逐一看
mimic-iv-echo（rid 1094）：MIMIC-IV 侧的心超资源，提供影像（DICOM 视频循环）与机器导出的结构化测量。与本库构成「文本 vs 影像」的镜像：本库的编码是医生书写的结论，MIMIC-IV Echo 的测量是设备算出的数值，两者在 MIMIC-IV 环境里可互补，但主键体系不通用（MIMIC-III 与 MIMIC-IV 的 subject_id 需经官方映射表转换），不能直接 join。
echonet-dynamic（rid 526）与 echonet-lvh（rid 530）：EchoNet 系列面向视频与任务——前者是射血分数回归的大规模心超视频集，后者是肥厚型心肌病识别。它们与本库的共同点只有一个模态来源（心超），数据形态、许可（EchoNet 系列为开放直链）与用途（影像 AI）完全不同。若课题需要「影像测量 + 报告文本」的双模态验证，EchoNet 与本库可以并行使用，但数据集之间没有患者级对齐。
echorisk（rid 921）：与本库同属报告文本结构化路线，侧重把心超报告用于风险预测方向。两者互为参照：一个展示「报告→分级编码」的全字段横向切法，一个展示「报告→风险」的任务导向切法，适合做报告结构化方法综述时并列引用。
echonext（rid 1011）与 dehazingecho2025（rid 1233）：前者为新一代心超数据资源，后者面向影像去雾方向，均与本库无直接数据血缘，仅在「心超公开数据」主题下相邻。
7.2 上游与更远的生态
本库的直接上游 MIMIC-III 在库内暂无独立条目，引用时以 PhysioNet 官方页与 MIMIC-III 论文为准。更远的生态锚点包括 PhysioNet 平台本身（Credentialed Health Data 政策的制定者）与 CITI 培训体系（凭证门槛的执行方）。关注临床文本结构化方向的使用者，还可以把本库与各类「临床笔记→结构化」的竞品资源对照阅读——本库的特殊之处在于只做心超一个检查类型，字段窄而编码深，这与覆盖全科室的宽表型资源形成互补。
7.3 中性「参见」清单
- mimic-iv-echo：MIMIC-IV 心超影像与测量（rid 1094）
- echonet-dynamic：心超视频与射血分数（rid 526）
- echonet-lvh：肥厚型心肌病识别视频集（rid 530）
- echorisk：心超报告风险抽取（rid 921）
- MIMIC-III 主库（PhysioNet，库内暂无独立条目）
§8 与 MIMIC-III 的联动工作流
一次典型的联动分析分四步。第一步，加载 EchoReports.csv 并按研究问题筛选编码字段（例如研究舒张功能与住院死亡率的关系，取 LV_diastolic）。第二步，清洗特殊取值：剔除 -3 与 -50 行或单列报告，明确空值策略。第三步，经 subject_id + hadm_id 连接 MIMIC-III 的 ADMISSIONS、PRESCRIPTIONS、LABEVENTS 与 PATIENTS 表，构造暴露-结局结构。第四步，建模时把有序编码作为分类变量或有序 logit 处理，并在敏感性分析中同时给出二分（正常 vs 异常）结果。
三个工程细节决定成败。其一，status 字段区分住院与门诊报告，做「住院期间」分析时必须过滤，否则门诊检查会混进住院时段的暴露窗口。其二，chartdate 经 MIMIC-III 的统一随机平移处理，与住院时间轴可直接对齐，但不可反推真实日期。其三，同一患者多份报告构成纵向数据，简单按行独立建模会低估标准误，需按 subject_id 聚类或采用混合效应模型。
8.1 三个工程细节的展开
前文提到的三个细节值得逐个展开成可操作的规则。status 过滤：status 字段取值区分报告产生于住院期间还是门诊场景，做「住院期间」分析时过滤不彻底是新手最常见的错误——表现是把门诊随访报告当成住院期检查，从而把暴露窗口拉长到住院之外的年份；建议在数据管道里显式断言过滤后的行数与预期队列一致。时间轴对齐：chartdate 与 MIMIC-III 的住院时间同处随机平移后的坐标系，可直接比较；但要注意 chartdate 与 date_time 两列的精度不同，跨列混用时按较粗的一列对齐。纵向结构：同一患者的多份报告天然构成面板数据，按行独立假设会低估不确定度；轻则聚类稳健标准误，重则混合效应模型，取决于研究设计而非口味。
8.2 联动分析的质量核对三问
跑完 join 之后建议自问三个核对问题。第一问：join 后的行数有没有超过报告表的行数——超过说明 MIMIC-III 侧存在同键重复（如同一次住院多行记录），需要先去重再关联。第二问：报告时间是否落在对应住院的时间窗内——住院期报告应位于入院与出院时间之间，落窗外的行多半是 status 归类与住院起止的对齐误差，需回查而非硬删。第三问：编码字段在 join 后的缺失率与 join 前是否一致——若骤增，说明连接键选错粒度。三问都是几分钟成本的断言检查，却覆盖了联动分析里绝大多数静默出错的可能。
8.3 一个端到端的研究问题走查
以「脓毒症患者住院期间左室收缩功能的变化与死亡率的关系」为例走一遍全流程。定义队列：从 MIMIC-III 诊断与感染相关表筛出脓毒症住院，取 status 为住院期的报告。定义暴露：LV_systolic 的首份与末份报告编码之差，-3 与 -50 行剔除并在流程图报告剔除人数。定义结局：MIMIC-III 的院内死亡标志。控制混杂：年龄、性别、合并症评分与入 ICU 类型均来自 MIMIC-III 主库。敏感性分析：把有序编码改二分（正常 vs 任何异常）重跑主模型，并检查把 -2 行并入异常档是否改变结论。这个走查没有给出任何结果数字——结果属于使用者自己的分析——但它演示了本库在一条完整研究链路里的位置：表型编码来自这里，其余一切来自 MIMIC-III。
伦理层面，联动放大了数据可得性也放大了义务：MIMIC-III 的 DUA 与本库 DUA 同时生效，任何衍生数据集（例如公开的「表型+结局」分析切片）发布前都应对照两份 DUA 的再分发条款复核。
8.4 衍生数据发布的合规复核
联动分析的产出往往想以衍生数据集形式公开（例如去标识的表型-结局分析切片）。发布前应做一次两库 DUA 的逐条复核：切片是否只含汇总统计（可发布）还是行级组合（受限）；行级切片是否已把所有直接与间接标识符（包括日期平移后的绝对日期、稀有诊断组合）处理到位；是否需要 PhysioNet 侧的额外沟通。稳妥的做法是把问题提交 PhysioNet 官方联系方式确认，拿到书面口径后再发布——这个流程在 MIMIC 生态内已有先例可循，不是本库特有的负担。
§9 方法论复现与适用边界
ECHO-NOTE2NUM 的编码方法可以迁移到其他机构的报告池，论文把这套流程定位为「未来笔记型结构化数据库的参考点」。复现需要的组件在论文与补充材料中都有交代：字段清单与定义（19 个字段，分 Schema 1/2 两档）、分级编码规则（0-3 加五个特殊取值）、冲突消解策略（严重程度取最高、功能冲突编 -50）、以及构建环境（PostgreSQL 9.4 存储原始笔记、Python 3.6 做规则解析）。复现者需要注意流程本质是规则驱动的文本匹配而非机器学习模型——论文描述的是「在报告句中识别描述异常发现的词或短语」的确定性映射，这对报告模板相对固定的机构可行，对自由书写比例高的报告池则需要先做词表适配。
适用边界的另一半是数据本身。时间窗止于 2012，意味着指南演进（如舒张功能分级标准在 2016 年更新）之后的报告语境未被覆盖；单中心意味着报告书写风格单一，作为解析器的训练数据时模型可能过拟合 BIDMC 模板；凭证制意味着不适合作为需要匿名公开分发的共享基准。把这三条边界写进论文的 Limitations 是引用者的义务，也是这套资源长期可复用的前提。
9.1 复现项目的技术清单
把这套流程搬到新机构时，实际要做的事比论文正文呈现的更细。词表层：需要整理目标机构的报告措辞库，把「增大/扩大/扩张」「减低/降低/减退」等同义梯度归一化到编码档位；模板层：识别报告的结构化标题（如「2-D Measurements」「Doppler」）以定位叙述段落；规则层：实现特殊取值的判定逻辑——未分级异常（-2）、无法评估（-3）、高动力与腔小（-1）、功能冲突（-50）——其中冲突判定需要同句比对，是工程上最脆弱的一环；验证层：抽样人工核对、按字段统计空值密度、监控 -50 行占比是否异常。论文选择的构建环境（PostgreSQL 9.4 加 Python 3.6）属于工程细节，复现者用现代栈重写没有障碍，关键是保留规则语义而非代码形式。
9.2 时间窗的代际影响
2001 至 2012 年的报告语料带有明确的代际特征：舒张功能分级用的是当时的分级体系，与 2016 年之后的指南术语不完全对应；右心定量评估在该时段的报告中相对简略，这解释了 Schema 2 字段为何集中在右心；报告长度与项目覆盖度也随年份增长。做纵向分析时，把 chartdate 分桶观察编码分布的变化是基本功课——分布的漂移可能反映疾病谱变化，也可能只是报告书写惯例变了，两种解释需要用文本回溯来区分。
9.3 单中心特征的迁移成本
BIDMC 单中心带来的迁移成本主要落在两个方向。做解析模型：在本库语料上训练的规则或模型，遇到其他机构的报告模板时词表与结构均需适配，直接迁移的失败率应当按「新语料冷启动」来预估而非按「微调即可」来乐观。做流行病学结论：BIDMC 的患者构成、转诊模式与 2000 年代波士顿的医疗实践构成了一层无法剥离的情境，跨机构比较时应把本库结论当作单点证据而非基准线。这两条不是数据集的缺陷，而是所有单中心文本资源的共同边界，把它写清楚是为了让引用者不再重复踩坑。
§10 总结
三句话收束。其一，ECHO-NOTE2NUM 把 MIMIC-III 里四万余份心超自由文本报告变成了 19 列带严重程度分级的结构化编码，是重症心血管研究与报告信息抽取之间的一座现成桥梁。其二，获取走 PhysioNet 凭证制，编码取值里的 -3、-2、-1、-50 与空值各具语义，使用前必须读完编码表。其三，它是文本线资源，与影像线（MIMIC-IV Echo、EchoNet 系列）互补，联动 MIMIC-III 时主键对齐、DUA 分立。
在心超公开数据的图谱里，影像线资源回答「机器看图测得准不准」，本库回答「医生写的报告承载了什么结论」，两条线共同构成完整的评估闭环。这也是把它收进数据集图谱的理由：一条研究链路里，表型定义、模型评测与结局分析各自需要不同形态的数据，缺哪一块，链路就在哪里断开。
适用：ICU 心血管表型研究、报告解析评测、MIMIC 生态联动分析、笔记结构化方法学参考。不适用：需要连续测量值或影像的分析、2012 年后的当代队列研究、需要匿名公开再分发的基准场景。若只记住一件事，就记住编码表：这条数据的价值与风险都集中在那套带特殊取值的编码体系里，读懂它要用半小时，误读它的代价是整项分析的返工。
附录 A 关键数字速查
| 指标 | 数值 | 来源 |
|---|---|---|
| MIMIC-III 心超报告（全部） | 45,794 份 | 论文 Abstract；PhysioNet 页 |
| 有效报告 | 43,472 份 | 论文 Abstract；PhysioNet 页 |
| MIMIC-III 总患者 | 38,597 人 | PhysioNet 页 |
| 拥有有效报告的患者 | 21,572 人 | PhysioNet 页 |
| 重点队列 | 19,675 人 / 22,840 次住院 / 31,973 份住院期报告 | PhysioNet 页 |
| 非住院期有效报告 | 11,499 份 | PhysioNet 页 |
| 时间窗 | 2001-2012 | 论文 Abstract |
| 结构化字段 | 19 个 | 论文与 PhysioNet 字段表 |
| 版本 | 1.0.0（2024-02-23） | PhysioNet 版本记录 |
附录 B 缩写表
| 缩写 | 全称 | 中文 |
|---|---|---|
| ECHO-NOTE2NUM | EchoNotes Structured Database derived from MIMIC-III | 源自 MIMIC-III 的 EchoNotes 结构化数据库 |
| MIMIC-III | Medical Information Mart for Intensive Care III | 重症监护医疗信息库 III |
| BIDMC | Beth Israel Deaconess Medical Center | 贝斯以色列女执事医疗中心 |
| LCP | Laboratory for Computational Physiology（MIT） | 计算生理学实验室 |
| DUA | Data Use Agreement | 数据使用协议 |
| CITI | Collaborative Institutional Training Initiative | 机构协作培训计划 |
| BSA | Body Surface Area | 体表面积 |
| ICU | Intensive Care Unit | 重症监护室 |
| LV/RV/LA/RA | Left/Right Ventricle, Left/Right Atrium | 左/右心室，左/右心房 |
| AV/MV/TV | Aortic / Mitral / Tricuspid Valve | 主动脉瓣/二尖瓣/三尖瓣 |
附录 C 下载前检查清单
- PhysioNet 账号已完成凭证审核（CITI 证书提交后留意审核邮件）
- DUA 1.5.0 已签署，留存副本
- 已通读论文编码表，理解 -3/-2/-1/-50/空值语义
- 联动 MIMIC-III 时两库凭证均在有效期
- 分析脚本中已把英制身高体重换算列加进数据管道
- 引用模板备好：数据 DOI（10.13026/xhrz-ht59）+ 论文 DOI（10.1038/s41597-025-04849-5）
- 分析方案中已写明空值与 -2、-3、-50 各自的处理策略与剔除人数报告方式
- 版本组合（本库 v1.0.0 与 MIMIC-III 所用版本）已记入研究方法节备查
- 分析脚本已按 subject_id 加 hadm_id 双键断言 join 行数不超报告表行数
附录 D 19 个结构化字段对照
| 字段 | 板块 | Schema | 含义 |
|---|---|---|---|
| LA_cavity | 心腔 | 1 | 左房腔大小 |
| RA_dilated | 心腔 | 2 | 右房扩大 |
| LV_cavity | 心腔 | 1 | 左室腔大小 |
| RV_cavity | 心腔 | 1 | 右室腔大小 |
| LV_wall | 室壁 | 1 | 左室壁厚度 |
| RV_wall | 室壁 | 1 | 右室壁 |
| RV_volume_overload | 负荷 | 2 | 右室容量负荷 |
| LV_systolic | 功能 | 1 | 左室收缩功能 |
| LV_diastolic | 功能 | 1 | 左室舒张功能 |
| RV_systolic | 功能 | 1 | 右室收缩功能 |
| AV_stenosis | 瓣膜 | 1 | 主动脉瓣狭窄 |
| AV_regurgitation | 瓣膜 | 1 | 主动脉瓣反流 |
| MV_stenosis | 瓣膜 | 1 | 二尖瓣狭窄 |
| MV_regurgitation | 瓣膜 | 1 | 二尖瓣反流 |
| TV_stenosis | 瓣膜 | 1 | 三尖瓣狭窄 |
| TV_regurgitation | 瓣膜 | 1 | 三尖瓣反流 |
| RA_pressure | 压力 | 1 | 右房压 |
| TV_pulm_htn | 压力 | 1 | 三尖瓣评估肺动脉高压 |
| RV_pressure_overload | 负荷 | 2 | 右室压力负荷 |
附录 E 检索模板
- 论文：
Large open access database of echocardiogram reports/ PMID 40617839 / DOI 10.1038/s41597-025-04849-5 - 数据页：PhysioNet
echo-note-to-num/ 数据 DOI 10.13026/xhrz-ht59 - 关键词组合：
ECHO-NOTE2NUM、EchoNotes structured database、MIMIC-III echocardiogram reports structured
附录 F DAIMS 数据资产信息速览
| 维度 | 内容 |
|---|---|
| 名称 | EchoNotes Structured Database derived from MIMIC-III（ECHO-NOTE2NUM） |
| 版本 | 1.0.0（2024-02-23，PhysioNet） |
| 机构 | BIDMC / MIT LCP；通讯 Christina W. Chen；共同资深 Leo A. Celi |
| 规模 | 有效报告四万余份 × 19 编码字段；患者两万余人 |
| 结构 | EchoReports.csv：患者特征 + 笔记详情 + 19 结构化列 |
| 编码 | 0 正常；1/2/3 轻/中/重；-2 异常未分级；-3 无法评估；-1 高动力/腔小；冲突 -50；未提及空 |
| 许可 | PhysioNet Credentialed Health Data License 1.5.0 + DUA 1.5.0 |
| 访问 | 凭证制（账号 + CITI 培训 + DUA），无公开直链 |
| 上游 | MIMIC-III（subject_id/hadm_id 对齐） |
| 论文 | Sci Data 2025;12:1153（PMID 40617839） |
编辑说明
- 核验时间：2026-10-18；核验方式：WebSearch + WebFetch 实抓 PhysioNet 数据页与 Nature/PubMed 论文页，三源互证（PhysioNet 官方页 / Scientific Data 论文 / PubMed 摘要），未依赖 brief 原始描述。
- 关键数字双源核对：45,794、43,472、21,572、19,675、22,840、31,973、11,499 均在 PhysioNet 页与论文摘要两处一致。
- 双口径存照：①数据集版本发布（2024-02-23）早于论文发表（2025-07），属正常节奏非冲突；②PhysioNet slug（echo-note-to-num）与官方缩写（ECHO-NOTE2NUM）拼写差异已核实为同一实体；③CSV 文件体积两源均未披露，正文未写具体数字。
- 遗留疑点：论文 Fig.1 层级编码系统全图未逐字段核对（付费墙外仅摘要与正文部分可见），正文编码口径以 PhysioNet 页描述为准；-50 与 -1 冲突/特殊行规模未见官方统计。
- 撞库结论：库内 7 个 echo 相关条目均非同实体（mimic-iv-echo 为 MIMIC-IV 影像测量；echonet 系列为视频；echorisk 为风险抽取路线），无重复收录。
- 版本日志：v1.0 首版（2026-10-18，agent-c-echo2num，cycle 126）。
- 下次复核建议：PhysioNet 若发布 v1.1 或论文补充材料开放编码全表，需复核附录 D 逐字段含义与 -50 行统计。
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：
- ehr-reasoncon — 共享标签：电子健康记录 / 重症监护 / 临床电子病历 / 医疗NLP / 临床文本
- mimic-ext-synnotes — 共享标签：电子健康记录 / 重症监护 / 医疗NLP / 临床文本
- generated-codes-low-resource — 共享标签：电子健康记录 / 重症监护 / 医疗NLP / 临床文本
- brateca — 共享标签：电子健康记录 / 临床电子病历 / 医疗NLP / 临床文本
- annotation-opioid-use-notes — 共享标签：电子健康记录 / 重症监护 / 医疗NLP / 临床文本
- medsecid — 共享标签：电子健康记录 / 临床电子病历 / 医疗NLP / 临床文本
- labelled-notes-hospital-course — 共享标签：电子健康记录 / 临床电子病历 / 医疗NLP / 临床文本
- emergency-complaint-gout — 共享标签：临床电子病历 / 医疗NLP / 临床文本
- mimic-br — 共享标签：电子健康记录 / 重症监护 / 临床电子病历
- pcornet — 共享标签：电子健康记录 / 重症监护 / 临床电子病历
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。
