信息速览
INFOBOX — JSMF ACCESS 一屏速览
维度 内容 本质 四中心全麻手术术中额部 EEG 衍生特征数据集（非原始波形、非新采集） 名称拆解 JSMF = Jackson S. Moulton Foundation（资助）｜ACCESS = Anesthesiologists Concerned with Cognition, Emergence, Sleep, and Sedation（麻醉学联盟） 团队 ACCESS 研究联盟；PhysioNet 登记作者 Paul Garcia / Sebastian Zinn / Jamie Sleigh 论文 Hesse et al. Br J Anaesth. 2019;122(5):622-634（PhysioNet 页标 2018，卷期 2019） 平台 PhysioNet（RRID:SCR_007345）；DOI 10.13026/m2hn-w830；v1.0.0（2026-09-21 发布） 规模 646 例手术患者（626 有 CAM-ICU 谵妄评估；20 例缺失=3.1%）；主分析子集 502 例 站点 4 家：Emory University Hospital Midtown、Grady Memorial Hospital、Atlanta VA Medical Center、Waikato Hospital (NZ) 脑电 术中连续额部 EEG；Atlanta 用 SedLine 250 Hz，统一标准化至 100 Hz 结局 PACU 谵妄（CAM-ICU）；住院时长、再入院 特征 谱功率（dB）、谱边缘频率、alpha 峰值频率、burst suppression、涌现轨迹分类 获取 Restricted Access（受限访问，须签 DUA 并审核）｜原始 EDF 另行请求 伦理 Emory IRB CR3_IRB00063456｜Waikato 12/CEN/56；逐例书面知情同意 库内互链 VitalDB（192）、INSPIRE（176）、CHB-MIT Scalp EEG（72）、EEGMMIDB（342）、Bonn EEG（322） JSMF ACCESS 是一个"把手术室里的脑电变成可复用表格"的数据集：它不发布原始脑电波形，而是把 646 例非心脏全麻手术患者在术中的额部脑电，凝练成一组谱功率、爆发抑制与"涌现轨迹"的摘要特征，配上人口学、合并症、麻醉剂量、血流动力学与 CAM-ICU 谵妄结局，供围术期脑状态与术后谵妄研究复用。它的名字里藏着两层身份——JSMF 是资助它的基金会（Jackson S. Moulton Foundation），ACCESS 是采集它的麻醉学联盟（Anesthesiologists Concerned with Cognition, Emergence, Sleep, and Sedation）。理解这两个缩写的展开，是检索与引用它的第一步。
导语读法三则：
- 只想弄清楚它是什么：直奔 §1 十问十答——尤其 Q1 的"JSMF 与 ACCESS 分别是什么"，这是全网最容易混淆的一点。
- 想用它的数据：直奔 §6 获取与许可——注意它是 Restricted Access，没有开放直链，且数据只含衍生特征、无原始波形。
- 关心研究结论：直奔 §5 核心发现——苏醒涌现轨迹与 PACU 谵妄的关联，以及 alpha 功率的预测价值。
§0 导读：这个数据集解决什么问题
术后谵妄（postoperative delirium）是围术期医学里一个"后果重、机制不清、早期信号模糊"的问题：它与发病率与死亡率升高、住院时间延长、再入院风险增加相关，而发生在麻醉后监护室（PACU）的即时型谵妄尤其值得关注——它可能是一种后续并发症的早期临床信号。如果能从术中就能捕捉到的生理信号里，提前识别出哪些患者将出现 PACU 谵妄，临床就有可能在更早的时间窗口介入。
问题在于，术中脑电（intraoperative EEG）长期是"看得见波形、攒不下数据"的状态。原始脑电波形体量大、站点设备差异大、处理流程各自为政，导致跨中心复用几乎不可能。JSMF ACCESS 的回答是：不发布波形，发布特征。它把四家医院术中连续采集的额部脑电统一处理为 100 Hz 采样率的标准化信号，再凝练成谱功率摘要、爆发抑制指标与"涌现轨迹分类"，与临床变量和谵妄结局做成一张可分析的表格。这样，做统计建模或机器学习的研究者无需从零处理原始信号，就能直接进入"特征→结局"的分析。
这个数据集承载的科学假设也很清晰：患者在全身麻醉苏醒过程中所走的神经生理轨迹（emergence trajectory），与 PACU 谵妄相关。具体而言，研究者检验了带"纺锤波主导（spindle-dominant）"脑电活动的涌现轨迹，相比缺少该特征的轨迹，是否与更低的谵妄几率相关；此外，本 PhysioNet 发布还支持一项次要分析——术中维持期额部 EEG 的 alpha 功率能否预测 PACU 谵妄。
§0 读法三则：
- 这个条目的关键词是"衍生特征"：它不是原始脑电数据库，不能用它重建采集流水线或换频带边界重新衍生（见 §10 坑 3）。
- 646 与 502 是两个不同口径的数字：646 是总例数，502 是源研究主分析在"结局+年龄+alpha 功率均完整"后的子集，混用会出错（见 §10 坑 4）。
- "JSMF ACCESS"不能拆成机构名去搜：JSMF 是基金会、ACCESS 是联盟，二者都不是医院名（见 §10 坑 1）。
§1 数据集速览：十问十答
Q1：名称里的 JSMF 和 ACCESS 分别是什么？
两个缩写都不是机构简称而是"钱"和"人"：JSMF = Jackson S. Moulton Foundation（杰克逊·S·莫尔顿基金会），是资助该研究的基金会，数据致谢列出其 grant number 220023046；ACCESS = Anesthesiologists Concerned with Cognition, Emergence, Sleep, and Sedation（关注认知、苏醒、睡眠与镇静的麻醉医师联盟），是实际执行多中心数据采集的麻醉学研究联盟。完整官方名为 JSMF ACCESS intraoperative derived EEG data set。
Q2：它是什么类型的数据？
术中额部脑电的衍生特征数据，而非原始波形。本 PhysioNet 发布只含谱功率摘要（dB）、burst suppression 指标与涌现轨迹分类等处理后的特征；完整原始 EEG（EDF 格式）需另行向研究者合理请求。
Q3：有多少例，人群是什么？
共 646 例成人手术患者，均为接受非急诊、非心脏手术且行全身麻醉、预期术后进入 PACU 恢复、且手术不干扰额部 EEG 记录者。其中 626 例完成了谵妄评估。
Q4：数据来自哪里？
四个采集站点：Emory University Hospital Midtown、Grady Memorial Hospital、Atlanta VA Medical Center（三家在美国亚特兰大）与 Waikato Hospital（新西兰）。
Q5：脑电怎么采集的？
术中由受训研究人员在手术室放置额部电极，用临床监测系统连续采集并全程监控信号质量。Atlanta 站点使用 SedLine 监测仪、250 Hz 采集；所有数据统一标准化为 100 Hz 以保证跨站点一致。
Q6：谵妄是怎么测量的？
术后在 PACU 使用 CAM-ICU（Confusion Assessment Method for the Intensive Care Unit，重症监护意识模糊评估法）评估。
Q7：记录里包含哪些变量？
三类：① 临床变量——人口学与合并症、麻醉药物剂量与给药时点、生理测量（如血流动力学）、手术特征（类型与时长）；② 谵妄与恢复结局——CAM-ICU 谵妄、恢复指标（如苏醒时间、反应性）、住院时长与再入院；③ 衍生 EEG 特征——谱功率、burst suppression、涌现轨迹分类。
Q8：怎么获取，许可如何？
Restricted Access（受限访问）。需签署 PhysioNet 受限数据使用协议并经审核，没有开放直链下载。DOI 为 10.13026/m2hn-w830。
Q9：数据有缺失吗？
有，且是变量依赖的：从 <1%（基本人口学）到 >30%（部分睡眠史与相位特异 EEG 变量）不等。本发布不含插补值，使用者须自行处理缺失。谵妄结局在 646 例中缺失 20 例（3.1%）。
Q10：它支持什么研究？
术后谵妄风险预测模型的开发与外部验证、独立于谵妄结局的 EEG 生物标志物二次分析、burst suppression 流行病学、跨专科/麻醉技术/站点的谱功率比较，以及处理"混合变量+显著缺失"的表格型机器学习基准。
§2 数据构成与规格
2.1 规模、来源与人群构成
JSMF ACCESS 的规模核心是三个数字，且必须成套理解，不能单独引用：
| 口径 | 例数 | 含义 |
|---|---|---|
| 总采集 | 646 | 四站点纳入的非急诊、非心脏全麻手术患者总数 |
| 完成谵妄评估 | 626 | 646 中在 PACU 用 CAM-ICU 完成谵妄评估者 |
| 缺失谵妄结局 | 20（3.1%） | 646 − 626；结局变量 DELIRIUMtf_NaN 缺失 |
| 主分析子集 | 502 | 源研究主分析在"谵妄结局 + 年龄 + alpha 功率"均完整后的进一步限制 |
人群定义：成年患者，接受非急诊、非心脏手术，行全身麻醉，预期术后在 PACU 恢复，且手术不会干扰额部 EEG 记录。研究为前瞻性、观察性、多机构设计，不限制麻醉方案（除用于最小化外部刺激的标准苏醒程序外）。
为何有 646 / 626 / 502 三层口径：646 是纳入总数；626 是真正完成了结局评估的数量（20 例因故未获谵妄结局）；502 则是源研究在要求"结局、年龄、alpha 功率三者齐全"后剩下的分析子集。做基于结局的复用时，应预期类似的衰减，不要假设 646 = 可用结局数。这条"总例数 → 有结局例数 → 主分析例数"的衰减链，是使用本数据集时最先要认清的一件事（见 §10 坑 4）。
2.2 数据来源：四家不同性质的站点
数据来自 ACCESS 联盟的四个采集点，覆盖了不同医疗体系类型，这既是其多样性的优势，也是泛化性局限的来源：
| 站点 | 类型 | 备注 |
|---|---|---|
| Emory University Hospital Midtown | 学术型大学医院 | 美国亚特兰大 |
| Grady Memorial Hospital | 安全网县医院 | 美国亚特兰大 |
| Atlanta VA Medical Center | 退伍军人事务医学中心 | 美国亚特兰大 |
| Waikato Hospital | 国际站点 | 新西兰 |
四类站点（学术中心 / 安全网县医院 / 退伍军人医疗系统 / 国际站点）的并存，使这份数据天然带有"跨医疗体系"的样本多样性：不同站点在病例组合、麻醉实践、资源条件上本就存在差异，这为跨站点泛化研究提供了难得的素材。但反过来说，任何将这个混合样本当作"某类医院"代表的做法都是危险的。
站点去标识：本发布中站点列（site column）是去标识的数值编码，被有意地不映射到上述具名机构，以避免在行级将单个患者与特定站点关联。因此使用者能看到"站点 A/B/C/D"的差异，但无法从数据本身反推是哪家医院——如需站点级细节，须参考父研究论文。
2.3 采集规格与信号处理
- 信号类型：术中连续额部脑电（frontal EEG）。
- 采集方：受训研究人员在手术室应用电极并全程监测信号质量。
- 设备差异：Atlanta 站点使用 SedLine 监测仪，采样率 250 Hz；其余站点使用各自的临床监测系统。
- 标准化：所有信号统一处理至 100 Hz 采样率，以确保跨站点一致性——这是让四中心数据能"拼在一起"的关键工程决策。
- 发布形态：仅发布摘要特征。原始 EEG（EDF 格式）可另行向研究者合理请求，须遵守数据使用协议与伦理要求。
值得注意的是 100 Hz 采样的语义边界：按奈奎斯特采样定理，100 Hz 采样率意味着信号的有效分析带宽上限约为 50 Hz。这对额部 EEG 分析是够用的——麻醉脑电的核心分析频段（delta、theta、alpha、beta）都远在 50 Hz 以下——但它也意味着高频活动（如 gamma 的较高成分）在此发布中本就不具备完整信息。使用者在做频段定义和特征解释时应意识到这一约束（见 §10 坑 10）。
2.4 变量体系：三类内容
（一）临床变量
- 人口学与合并症（demographics and comorbidities）；
- 麻醉药物剂量与给药时点（anaesthetic drug dosing and timing）；
- 生理测量，如血流动力学（physiological measurements, e.g. haemodynamics）；
- 手术特征：类型与时长（surgical characteristics: type and duration）。
（二）谵妄与恢复结局
- PACU 谵妄评估（使用 CAM-ICU 等验证过的工具）；
- 恢复指标（如苏醒时间 time to emergence、反应性 responsiveness）；
- 术后结局：住院时长（length of stay）与再入院（readmission）。
（三）衍生 EEG 特征
- 谱功率摘要（spectral power summaries），以 dB 为单位，如 delta 与 alpha 频段；
- 爆发抑制指标（burst suppression indicators）；
- 涌现轨迹分类（emergence trajectory classifications），描述脑状态之间的转换。
这三类内容的组合正是本数据集的辨识度所在：它不是一个纯粹的电生理库，也不是一个纯粹的临床表，而是把"术中脑电生理状态"与"术后神经认知结局"用患者级主键串起来的一张分析表——即所谓"结局闭环"数据。
2.5 缺失度图谱：使用前必须查
缺失是本数据集一个显著且变量依赖的特征，PhysioNet 官方明确要求使用者在使用前查阅 data_dictionary_annotated.csv 的 Value counts 列以了解每个变量的确切缺失度：
| 变量类别 | 缺失度 |
|---|---|
| 基本人口学 | <1% |
| 部分睡眠史变量 | 可达 >30% |
| 部分相位特异 EEG 变量 | 可达 >30% |
| 谵妄主结局 DELIRIUMtf_NaN | 20/646 = 3.1% |
两点特别注意：
- 无插补：本发布不含任何插补值，使用者必须采用自己的缺失数据处理策略（删除、建模或插补）。
- 一处顶编码年龄：1 例患者的年龄被记录为文本值 “90+” 而非数值。任何把年龄当连续变量处理的流程都必须显式处理该值（例如排除，或将所有年龄分箱为区间）。
"变量依赖的缺失"意味着缺失不是随机撒在整张表上的，而是有结构的——不同变量的缺失率相差几十倍。这种结构必须被当作数据的一部分来对待：默认的删除式处理（listwise deletion）会在不知不觉中把分析队列缩小到某个有偏子集（见 §10 坑 7）。
2.6 配套文件
- README：项目主文档，含数据详细描述与使用说明。
- data_dictionary_annotated.csv：逐变量字典，含每个变量的值计数/缺失度（Value counts 列）——使用前必读。
- 无需专用软件：标准科学计算工具（Python、MATLAB、R）即可读取发布格式。
§3 采集、处理与注释流水线
3.1 从手术台到数据库
本数据集从原始采集到发布形态，大致经过这样一条链条：
- 术中采集：受训研究人员在手术室为患者放置额部电极，用临床监测系统连续采集 EEG，并全程监控信号质量。
- 标准化：多站点、多设备采集的信号统一处理至 100 Hz 采样率，抹平跨站点差异。
- 特征衍生：从标准化信号中提取谱功率摘要（dB）、谱边缘频率、alpha 峰值频率、burst suppression 指标与涌现轨迹分类等特征。
- 结局装配：把 PACU 期用 CAM-ICU 完成的谵妄评估、恢复指标与术后结局，与患者级术中数据对齐，形成分析表。
这条链条的关键取舍在第 2、3 步：先标准化、再衍生——它在工程上把"跨中心不可比"的问题解决在发布之前，代价是使用者拿不到原始信号（见 §3.3）。
3.2 受训人员与信号质量
数据采集由受训研究人员完成，而非仅依赖临床常规记录。他们负责电极放置与全程信号质量监测。这一设计的意义在于：术中 EEG 的信号质量高度依赖电极位置与接触，专人负责能显著降低伪迹与丢失。这也是为什么本数据集能在四个站点上保持一致的质量基线，为后续标准化提供可用输入。
3.3 只有衍生特征：一个刻意的取舍
本发布仅含衍生/摘要特征，不含原始 EEG 波形。这是一个刻意的设计选择，而非数据缺失：
- 收益：使用者无需从零处理原始信号，直接进入"特征→结局"分析；跨站点信号已被统一到 100 Hz，可比性得到保证；发布体积远小于原始波形库。
- 代价：使用者失去了自行调整预处理参数的自由——无法重新滤波、重采样、更换频带边界重算谱功率，也无法用原始波形做端到端深度学习。
因此，任何需要原始信号的用途都必须另行申请完整的 EDF 数据。这一点在 §10 坑 3 会作为首要避坑项再次强调。
3.4 无插补原则
本发布不含任何插补值。这不是疏漏，而是与"缺失透明化"策略配套的刻意决定：官方把逐变量缺失度写进数据字典，并要求使用者自行决策缺失处理方式。相比"悄悄插补后发布一个看起来完整的表"，这种做法的好处是使用者的每一个缺失处理选择都是显式且可追溯的——但也意味着使用者不能假设"拿来即用"。
3.5 与"预注册假设"的距离
需要澄清一个常被误解的点：本 PhysioNet 发布是回顾性、二次分析（secondary analysis），基于前瞻性采集的临床数据回答新的分析问题，并非针对"EEG-谵妄"预设假设的预注册研究。因此在使用其发现作证据时，应把握"提示性/相关性"而非"因果性/确证性"的尺度（见 §10 坑 9）。
§2.7 数据构成深读：从"三张表"看这份数据
把 JSMF ACCESS 拆开看，它其实由三块内容在一个患者级主键下拼合而成，理解这三块各自的边界，是判断"这份数据能回答什么问题"的前提。
第一块：术中生理暴露层。 这是数据集的"核心变量区"，包含衍生 EEG 特征（谱功率、谱边缘频率、alpha 峰值频率、burst suppression 指标、涌现轨迹分类）。它们描述的是患者在麻醉维持与苏醒过程中的脑电状态。这一层的边界是：它是摘要的、而非原始的——每一个特征都是一次不可逆的降维，原始波形中的时序细节已被压缩。
第二块：临床协变量层。 包含人口学、合并症、麻醉药物剂量与时点、血流动力学、手术类型与时长。这一层的作用是"控制混杂"：任何把 EEG 特征与谵妄结局关联起来的分析，都必须考虑患者年龄、合并症负担、麻醉方案等的影响。这一层的边界是：它是回顾性抽取的，其完整性与粒度取决于原研究采集设计。
第三块：术后结局层。 包含 CAM-ICU 谵妄、恢复指标（苏醒时间、反应性）、住院时长与再入院。这是数据集的"被预测量区"。这一层的边界是：主结局谵妄存在 20 例（3.1%）缺失，且评估工具为 CAM-ICU 这一特定量表。
三块合起来，构成一个典型的"暴露—协变量—结局"三明治结构。这种结构对预测建模极为友好（可直接建 y ~ X），但对机制研究则受限（无原始信号、无高频信息、无因果设计）。
2.8 为什么"额部"而非"全导联"脑电
本数据集采集的是额部脑电。理解这一选择对判断数据适用性很重要：
- 临床现实：术中麻醉深度监测（如 SedLine 类设备）通常只需额部少数导联即可获得足够的频段信息，无需全套 10-20 系统导联；
- 科学充分性：麻醉脑电的关键分析频段（delta/theta/alpha/beta）在额部即可捕捉；涌现轨迹、爆发抑制等特征也不依赖空间分布；
- 代价：额部记录无法支持空间定位、导联间相干、脑网络拓扑等分析。凡涉及"脑区之间如何通信"的问题，本数据集都无法回答。
因此，"额部"这一限定不是细节，而是决定数据适用疆界的结构性特征。
§3.6 处理流水线的四个技术决策点
本数据集的处理流水线包含四个值得单独说明的技术决策，它们共同决定了数据的最终形态：
决策点一：统一到 100 Hz。 多站点设备（含 Atlanta 的 SedLine 250 Hz）被统一重采样到 100 Hz。这一决策以"跨站点可比"为目标，代价是 50 Hz 以上信息不再保留。
决策点二：发布摘要特征而非波形。 原始信号在发布前被凝练为谱功率等摘要特征。这一决策以"降低使用门槛、控制发布体积"为目标，代价是丧失再分析自由。
决策点三：不做插补。 缺失被保留并透明化，而非填补。这一决策以"使用者的处理选择显式可追溯"为目标，代价是使用者不能假设"拿来即用"。
决策点四：站点去标识。 站点信息被编码为不映射到机构名称的数值。这一决策以"保护机构与患者隐私"为目标，代价是使用者无法做具名站点级的比较。
这四个决策彼此呼应，共同塑造了 JSMF ACCESS "可复用、可控、但受限"的性格。使用者若理解这四点，就能快速判断某类分析是否可行。
§3.7 与其他"术中 EEG 数据"的形态差异
在"术中脑电"这个大筐里，其实存在几种形态迥异的数据，混淆它们会带来误判：
| 形态 | 代表 | 保留信息 | 适用分析 |
|---|---|---|---|
| 原始波形库 | VitalDB 类 | 完整时序波形 | 信号处理、端到端学习 |
| 衍生特征库 | JSMF ACCESS | 摘要特征 | 特征级统计/建模 |
| 麻醉深度指数库 | BIS/SedLine 指数 | 单一指数 | 麻醉深度监测 |
| 事件标注库 | 标注波形片段 | 波形+标签 | 事件检测 |
JSMF ACCESS 明确属于衍生特征库。把它当作"原始波形库"去用，是最常见的一类误判（见坑 3）。这一区分的实际意义是：它决定了你能问的问题层级——特征库能回答"哪些特征预测结局"，但回答不了"信号的哪种微观形态导致了这个特征"。
§2.9 变量清单骨架与语义说明
本发布未公开完整变量级清单（以官方 data_dictionary_annotated.csv 为准），但依据 PhysioNet 内容页对数据内容的描述，可归纳出如下概念级变量骨架，帮助使用者在拿到数据前建立分析地图：
| 变量类别 | 代表变量（概念） | 类型 | 缺失提示 | 典型角色 |
|---|---|---|---|---|
| 人口学 | 年龄、性别 | 连续 / 类别 | 基本人口学 <1%（年龄含 “90+”） | 协变量 |
| 合并症 | 二元合并症标志 | 二元 | 低~中 | 协变量 |
| 麻醉 | 药物剂量、给药时点 | 连续 / 时间 | 中 | 协变量 / 分层 |
| 麻醉技术 | 挥发性 vs TIVA | 类别 | 中 | 分组比较 |
| 生理 | 血流动力学 | 连续 | 中 | 协变量 |
| 手术 | 类型、时长 | 类别 / 连续 | 低 | 协变量 / 分层 |
| EEG 特征 | delta 谱功率（dB） | 连续 | 相位特异变量可达 >30% | 核心自变量 |
| EEG 特征 | alpha 谱功率（dB） | 连续 | 同上 | 核心自变量 |
| EEG 特征 | 谱边缘频率 | 连续 | 中 | 核心自变量 |
| EEG 特征 | alpha 峰值频率 | 连续 | 中 | 核心自变量 |
| EEG 特征 | burst suppression 指标 | 连续 / 二元 | 中~高 | 核心自变量 |
| EEG 特征 | 涌现轨迹分类 | 类别 | 中 | 核心自变量 |
| 睡眠史 | 睡眠史变量 | 类别 | 可达 >30% | 高缺失，慎用 |
| 结局 | CAM-ICU 谵妄（DELIRIUMtf_NaN） | 二元 | 20/646 = 3.1% | 主结局 |
| 结局 | 苏醒时间、反应性 | 连续 / 类别 | 低~中 | 次要结局 |
| 结局 | 住院时长、再入院 | 连续 / 二元 | 低 | 次要结局 |
| 站点 | 去标识站点编码 | 类别 | 低 | 站点效应 |
上表为概念示意，精确变量名与逐变量缺失度以官方
data_dictionary_annotated.csv的 Value counts 列为准。任何基于变量名的硬编码都应在核对官方字典后进行。
2.9.1 三类变量的分析角色
把上表按角色归拢，可以看清本数据集的"分析剧场"：
- 核心自变量（暴露）：EEG 衍生特征族——这是本数据集区别于普通临床表的关键；
- 协变量（混杂控制）：人口学、合并症、麻醉、生理、手术——这些是必须控制的影响因素；
- 因变量（结局）：谵妄、恢复、住院与再入院——这是被预测量。
一个典型的分析设计是：因变量 = 谵妄；核心自变量 = EEG 特征；协变量 = 人口学+合并症+麻醉+手术。任何省略协变量的分析都可能产生混杂偏差。
2.9.2 缺失的"三层结构"
本数据集的缺失并非均匀分布，而是呈三层结构：
- 低缺失层（<1%）：基本人口学——几乎可用于任何分析；
- 中缺失层：合并症、麻醉、部分 EEG 特征——需按变量声明策略；
- 高缺失层（>30%）：部分睡眠史与相位特异 EEG 变量——默认使用会严重缩减队列。
使用者的缺失策略必须对这层结构做出响应，而不是一刀切。
§2.10 数据字典使用手册
data_dictionary_annotated.csv 是本数据集最重要的一个文件，它的正确用法如下：
第一步：通读变量定义。 每个变量的含义、单位、取值范围都应在字典中确认，尤其注意类别变量的编码（如"站点 A/B/C/D"、涌现轨迹类别、麻醉技术类别）。
第二步：提取缺失度列。 字典的 Value counts 列给出每个变量的取值分布与缺失比例。把所有变量的缺失比例列成一张表，是后续决策的基础。
第三步：按缺失度分级。 把变量按缺失度分为低/中/高三档（对应 §2.9.2 的三层结构），并据此规划：
| 缺失档 | 处理建议 |
|---|---|
| 低（<1%） | 可直接使用；仍须处理 “90+” |
| 中 | 显式声明策略（插补/建模/纳入模型缺失指示）；做敏感性分析 |
| 高（>30%） | 谨慎纳入；或从主分析中排除、仅作探索性分析 |
第四步：识别特殊值。 至少确认两处特殊值：年龄的 “90+” 顶编码，以及任何以哨兵值（如 −1、999）表示缺失的变量——后者的处理方式与真缺失不同，需区别对待。
第五步：固化到代码。 把上述决策写成显式代码（如缺失指示列、解析函数），而非依赖默认行为——这样任何后续研究者都能复现你的缺失处理逻辑。
2.10.1 为什么"先读字典"不是形式主义
在真实临床数据上，跳过字典直接建read_csv + dropna + fit 的流程，会踩中至少三类静默错误：
- 字符串混入数值列（“90+”）导致类型错误或被静默转 NaN；
- 高缺失变量被默认删除，队列从数百缩到数十而不自知；
- 类别变量被当数值（如站点编码、轨迹类别）导致语义错误。
本数据集因为"缺失无插补 + 含顶编码值"而尤其容易触发这三类问题，因此"先读字典"在这里是硬性要求，而非可选礼节。
§4 来源论文与理论支柱
4.1 父研究主分析：Hesse et al. 2019
本数据集的科学基础是 Hesse 等人的主分析论文：
Hesse S, Kreuzer M, Hight D, Gaskell A, Devari P, Singh D, Taylor NB, Whalin MK, Lee S, Sleigh JW, García PS. Association of electroencephalogram trajectories during emergence from anaesthesia with delirium in the postanaesthesia care unit: an early sign of postoperative complications. British Journal of Anaesthesia, 2019, 122(5): 622–634.
需要特别注意的是年份的双口径：PhysioNet 参考文献页把这篇论文标注为 2018，而其正式卷期是 2019（122(5):622-634）。引用时以卷期年份（2019）为准，并留意这个差异（见 §10 坑 2）。该论文的 DOI 为 10.1016/j.bja.2018.09.010。
4.2 相关次要分析：Hight et al. 2019
与主分析同源、可由本数据集部分支撑的次要分析为：
Hight DF, Gaskell AL, Kreuzer M, et al. Transient electroencephalographic alpha power loss during maintenance of general anaesthesia. British Journal of Anaesthesia, 2019.
这条线聚焦于维持期 alpha 功率的瞬时丢失，与本发布支持的"维持期 alpha 功率是否预测谵妄"的次要分析直接相关。
4.3 两条理论线索的交汇
本数据集交汇了两条麻醉脑电研究的理论线索：
- 线索一：苏醒轨迹（emergence trajectory）。麻醉苏醒不是瞬间切换，而是一段脑状态沿特定路径演进的过程；轨迹的形态（如是否出现纺锤波主导）可能携带预后信息。
- 线索二：alpha 功率作为脑状态标志。额部 alpha 功率是麻醉深度与脑状态的重要标志，其在维持期的表现（含瞬时丢失）可能预示后续认知结局。
JSMF ACCESS 把这两条线索的数据基础——苏醒轨迹特征与维持期 alpha 功率——连同谵妄结局一起打包发布，使研究者能在同一份数据上检验两类假设。
4.4 设计定性
回顾性、二次分析（secondary analysis），基于前瞻性采集的临床数据；非针对 EEG-谵妄预设问题的预注册研究。麻醉与手术实践模式反映采集期站点的实践，未必反映当前他处实践。这一设计定性直接决定了发现证据等级——见 §5.5。
§5 核心发现与临床意义
5.1 科学假设：苏醒轨迹与 PACU 谵妄
这项研究的出发点是一个可检验的假设：患者从全身麻醉苏醒时所呈现的神经生理模式（emergence trajectory），与 PACU 谵妄相关。具体检验的问题是——带纺锤波主导（spindle-dominant）EEG 活动的涌现轨迹，是否比缺少该特征的轨迹，与更低的谵妄几率相关。
这个假设的临床意义在于：如果能证明"苏醒方式"与谵妄有关，那么苏醒过程本身就可能成为一个干预切入点，而不仅是恢复的被动结尾。
5.2 次要分析：alpha 功率能否预测谵妄
本 PhysioNet 发布所支持的次要分析，聚焦于术中维持期的额部 EEG alpha 功率：在全身麻醉的维持阶段测量的额部 alpha 功率，是否预测术后（PACU）谵妄。这延续了麻醉脑电研究中"alpha 功率是麻醉深度与脑状态的重要标志"这一线索。
5.3 临床背景：为什么 PACU 谵妄值得单独研究
术后谵妄与更差的临床结局相关，包括：
- 发病率与死亡率升高；
- 住院时间延长；
- 再入院风险增加。
发生在 PACU 的即时型谵妄尤其受关注，因为它可能是后续并发症的早期临床信号——若能在此阶段识别，干预窗口可能较传统术后评估更早。
5.4 涌现轨迹与维持期 alpha 的临床含义（解释框架）
把两条线索合起来看，本数据集想回答的问题可以这样表述：术中的脑电状态，是否"预告"了术后的脑状态？ 涌现轨迹是苏醒瞬间的脑电形态，维持期 alpha 功率是麻醉维持中的脑电特征；若二者与 PACU 谵妄相关，则意味着谵妄的"种子"可能在大脑仍处于麻醉状态时就已经埋下。这一解释框架的价值不在于给出确定的机制，而在于把"术中可测的脑电"与"术后可测的认知结局"连接成一个可研究的闭环。
5.5 证据等级：怎么读这些发现
由于本发布是回顾性二次分析（§4.4），其发现应被读作：
- 相关性的，而非因果的；
- 提示性的，而非确证的；
- 受制于采集期站点的麻醉与手术实践，外推需谨慎。
使用者在引用这些发现构建模型或撰写结论时，应保持这一证据等级的自觉（见 §10 坑 9）。
§6 获取与许可：受限访问的门怎么进
6.1 访问级别定位
JSMF ACCESS 在 PhysioNet 上标注为 Restricted Access（受限访问）。PhysioNet 的数据集按开放程度大致分三档：Open Access（开放直链）、Credentialed Access（需完成 CITI 培训并通过身份核验）、Restricted Access（最高门槛，除身份核验外还须针对该数据集签署专门使用协议并经审核）。JSMF ACCESS 属于最严格的一档。
这意味着：
- 没有开放直链：无法像开放数据集那样一键下载，必须先通过 PhysioNet 的申请流程；
- 须签数据使用协议（DUA）：针对该数据集的专门协议，约束使用范围与再分发；
- 审核制：申请提交后需经数据托管方审核。
6.2 获取路径与关键凭据
| 项目 | 内容 |
|---|---|
| 内容页 | https://physionet.org/content/jsmf-access/ |
| alpha 镜像 | https://alpha.physionet.org/content/jsmf-access/ |
| DOI | 10.13026/m2hn-w830 → https://doi.org/10.13026/m2hn-w830 |
| RRID | SCR_007345（平台级） |
| 版本 | v1.0.0 |
| 发布日 | 2026-09-21 |
| 访问级别 | Restricted Access |
| 原始数据 | EDF 格式，另行合理请求（subject to DUA 与伦理） |
6.3 引用规范（BibTeX）
使用该资源时，PhysioNet 建议按如下格式引用：
@article{PhysioNet-jsmf-access-1.0.0,
author = {Garcia, Paul and Zinn, Sebastian and Sleigh, Jamie},
title = {{JSMF ACCESS intraoperative derived EEG data set}},
journal= {{PhysioNet}},
year = {2026},
month = sep,
note = {Version 1.0.0},
doi = {10.13026/m2hn-w830},
url = {https://doi.org/10.13026/m2hn-w830}
}
学术引用时还应同时引用源研究论文（Hesse et al. 2019, Br J Anaesth 122(5):622-634）与 PhysioNet 平台的标准引用。
6.4 数据安全政策的区域限制提示
PhysioNet 已就美国司法部 Data Security Program（DSP，行政令 EO 14117） 调整部分数据集的访问政策，对来自特定国家/地区或"covered persons"的连接可能限制访问。该政策背景不改变数据集的科学价值，但影响特定地区研究者的可获取性。来自中国大陆等区域的研究者在申请受限访问前，应先核实自身是否符合当前的访问政策，再决定是否提交申请（见 §10 坑 11）。
6.5 许可治理的灰色地带
本条目未能从 PhysioNet 页获取到明确的 SPDX 许可证字符串（如 ODC-BY、CC-BY 等开放许可标识）。其原因在于：该数据集按 Restricted Access 治理，权利与义务由 数据使用协议（DUA） 而非公共许可证界定。因此：
- 若把 JSMF ACCESS 当作"开放许可数据"引用会出错——它没有开放许可；
- 复用范围、可否派生、可否再分发，均以所签署的 DUA 条款为准；
- 检索者若需要明确的权利声明，应直接向数据托管方/作者确认（见 §10 坑 5）。
6.6 许可与可获取性小结
| 维度 | 状况 |
|---|---|
| 访问级别 | Restricted Access（最高门槛） |
| 开放直链 | 无 |
| 明确 SPDX 许可 | 未提供（由 DUA 界定） |
| 原始波形 | 需另行合理请求 |
| 平台稳定性 | 依托 PhysioNet 长期平台（RRID:SCR_007345） |
| 地区可获取性 | 受美国 DOJ DSP（EO 14117）影响，部分区域可能受限 |
§7 生态、资助与治理
7.1 ACCESS 联盟
ACCESS = Anesthesiologists Concerned with Cognition, Emergence, Sleep, and Sedation——一个关注认知、苏醒、睡眠与镇静的麻醉学研究联盟，负责本数据的多中心采集。相关机构信息可参考 https://www.accesshq.org 。
7.2 伦理审批与知情同意
- Emory University IRB：CR3_IRB00063456。
- Waikato Hospital：Ref. 12/CEN/56。
- 每位患者均获得书面知情同意（written informed consent）。
- 研究方案经当地伦理或机构审查委员会批准。
7.3 资助与致谢
- Jackson S. Moulton Foundation（数据致谢中列为 Jackson S. Moulton Foundation，grant number 220023046）。
- 同页致谢另列 James S. McDonnell Foundation（St. Louis, Missouri, USA），grant number 220023046——该 grant 号与 JSMF 条目一致，形成"JSMF 资助口径"的两种表述并存（见 §10 坑 6）。
7.4 利益冲突声明
Paul S. Garcia 是 Columbia University 与 TUM 若干人类 EEG 相关专利的具名发明人，同时是 Lantern Laboratory, Inc. 的联合创始人——该公司经 Columbia University 授权开发 EEG 技术。声明称这些披露与本工作无财务相关性。使用者在引用时应如实转述该声明。
7.5 平台生态
本数据集发布在 PhysioNet（RRID:SCR_007345）——MIT 主导的复杂生理信号研究资源库，是生物医学信号数据长期归档与分发的核心平台之一。PhysioNet 提供版本化发布、DOI 注册与标准化引用机制，这为本数据集的长期可发现性与可引用性提供了平台层保障。
§5.6 任务定义与标注体系
5.6.1 主结局的标注：CAM-ICU 谵妄
本数据集的主结局——PACU 谵妄——由 CAM-ICU（Confusion Assessment Method for the Intensive Care Unit）评估。CAM-ICU 是重症与麻醉后场景中被广泛验证的谵妄筛查工具，其核心判据包括：
- 急性起病或波动病程；
- 注意力障碍；
- 意识水平改变；
- 思维紊乱。
按标准用法，判为谵妄通常要求特征 1 与 2 同时存在，并叠加 3 或 4。这一结构意味着 CAM-ICU 是一个基于评估特征组合的判据，而非单一连续量表——理解这一点有助于在建模时正确处理这一二元结局。
5.6.2 EEG 特征的"标注"性质：算法衍生而非人工标注
与许多依赖人工标注的数据集不同，本数据集的 EEG 特征并非"人工标注"的标签，而是算法衍生的数值：
| 特征族 | 衍生方式 | 变量类型 |
|---|---|---|
| 谱功率（delta/alpha 等） | 频段功率谱积分（dB） | 连续 |
| 谱边缘频率 | 累积谱达比例处的频率 | 连续 |
| alpha 峰值频率 | alpha 频段功率峰频率 | 连续 |
| burst suppression 指标 | 爆发/抑制模式量化 | 连续或二元 |
| 涌现轨迹分类 | 脑状态转换模式分类 | 类别 |
这带来一个重要的使用含义：特征的定义取决于衍生算法，而本发布不提供原始波形，使用者无法改变或复现衍生过程。若你的研究需要自定义特征定义，必须在申请时一并考虑原始 EDF。
5.6.3 结局的"有效样本衰减链"
围绕主结局，样本量沿如下链条逐级衰减：
646（总纳入）
→ 626（完成 CAM-ICU 谵妄评估；缺失 20 例，3.1%）
→ 502（源研究主分析：结局 + 年龄 + alpha 功率三者齐全）
这条链对建模的影响是直接的：你的可用样本量取决于你需要的变量集。若只用到结局，可能接近 626；若同时需要 alpha 功率与年龄，则接近 502。因此，“用多少例"不是一个固定数字，而是"所需变量集的函数”。
5.6.4 衍生任务：本数据集可以承载的分析问题
基于上述标注体系，本数据集可承载的典型分析任务包括：
- 二分类预测：以 CAM-ICU 谵妄为标签，用 EEG 衍生特征 + 临床协变量构建预测模型；
- 关联分析：检验特定 EEG 特征（如维持期 alpha 功率、涌现轨迹类别）与谵妄的统计关联；
- 描述性流行病学：报告 burst suppression 的发生率及其与年龄、合并症、麻醉技术的分布关系；
- 跨组比较：按站点（去标识）、麻醉维持技术（挥发性 vs TIVA）、外科专科分组比较 EEG 谱功率；
- 外部验证：将别处训练的谵妄预测模型迁移到本数据上评估。
每一项任务都受制于前述边界：数据是回顾性、额部、衍生、受限的。
§7.6 数据治理细读：受限访问意味着什么
7.6.1 三级访问光谱中的位置
PhysioNet 的数据访问按门槛大致分为三级，JSMF ACCESS 处于最严格一级：
| 级别 | 典型要求 | 直链下载 |
|---|---|---|
| Open Access | 无（公开） | ✓ |
| Credentialed Access | 身份核验 + 培训 | ✓（核验后） |
| Restricted Access | 身份核验 + 培训 + 专项 DUA + 审核 | ✗ |
对使用者的实际含义：你不可能"顺手下载"它。任何依赖它的研究都必须把申请审核周期纳入计划。
7.6.2 数据使用协议（DUA）约束的典型维度
虽然本条目未获取到该数据集 DUA 的具体条文，但受限数据集的 DUA 通常约束以下维度，使用者申请前应逐项确认：
- 使用范围：仅限申请中声明的研究用途；
- 再分发：通常禁止向第三方再分发；
- 派生数据：对派生结果能否公开、以何形式公开常有约束；
- 安全存储：对存储环境与访问控制的要求；
- 成果致谢：要求按规定格式引用数据与论文。
7.6.3 隐私与去标识
数据来自真实手术患者，经伦理审批并取得知情同意（§7.2）。发布中:
- 患者级记录以去标识形式呈现；
- 站点被编码为不映射机构的数值；
- 年龄存在一处顶编码（“90+”）以保护极端值个体。
这些措施在保护隐私的同时，也限定了数据分析的自由度（无法做具名站点比较，极端年龄需显式处理）。
7.6.4 地区可获取性
如 §6.4 所述，PhysioNet 受美国 DOJ Data Security Program（EO 14117）影响，对部分国家/地区的受限数据访问可能设限。这一治理事实不改变数据的科学价值，但会实质影响部分研究者的能否用上。引用与推荐时应如实说明，避免误导。
§8 方法学启示：可迁移的经验
8.1 "先标准化、后发布特征"是跨中心脑电复用的务实路径
原始术中 EEG 复用的最大障碍从来不是算法，而是站点间的设备与流程差异。JSMF ACCESS 选择了一条务实路线：先在工程层把多站点信号统一到 100 Hz，再把它们凝练为跨站点一致的摘要特征后发布。这样做的收益是立竿见影的——省去了每个使用者各自处理原始信号的巨大成本；代价也同样明确——使用者失去了自行调整预处理参数的自由。这条"标准化换复用性"的取舍，是任何想做多中心生理信号数据集的人都要先想清楚的。
8.2 缺失度必须作为"一等公民"随数据发布
本数据集把"逐变量缺失度"以 Value counts 列的形式写进 data_dictionary_annotated.csv，并在官方限制说明中反复强调"使用前先查缺失、本发布不插补"。这是一个值得效仿的实践：在真实临床数据里，缺失不是异常而是常态；把它透明化、要求使用者自行决策，比偷偷插补后发布一个"看起来完整"的表更负责任。
8.3 结局变量要标注"有效样本衰减链"
646 → 626 → 502 这条链条清楚地展示了"总例数"与"可用于结局分析的例数"之间的差距。数据集发布时把这条衰减链写明，能有效防止使用者误把 646 当作可用结局数。对做临床预测建模的人来说，这是一个提醒：样本量的第一道损耗往往发生在结局的可得性上。
8.4 结局闭环数据集的价值
本数据集的形态是"术中生理特征 + 术后认知结局"用患者级主键串成一个闭环。这种"暴露—结局"闭环数据在真实临床研究中极为稀缺：多数公开数据要么只有暴露（生理信号）没有结局（认知评估），要么只有结局（病历编码）没有时间对齐的暴露。JSMF ACCESS 把二者对齐后发布，使其能直接支撑预测建模，而无需研究者自行做跨源链接。这一点值得其他临床数据发布者借鉴。
§9 使用指南：从申请到建模
9.1 拿到数据前：申请清单
在提交受限访问申请前，建议逐项确认：
- [ ] PhysioNet 账户已注册；
- [ ] CITI（或同等）研究伦理培训已完成；
- [ ] 该数据集的专用数据使用协议（DUA）已阅读理解；
- [ ] 机构与所在地的访问适用性已核实（评估 DOJ DSP / EO 14117 影响）；
- [ ] 研究用途说明已准备；
- [ ] 如需原始 EDF，另行请求的渠道已确认。
9.2 拿到数据后：分析工作流
- 阅读 README 与
data_dictionary_annotated.csv，掌握变量定义与逐变量缺失度； - 确定分析口径：用 646（含缺失结局）、626（有评估）还是效仿源研究限制到 502（完整子集）；
- 处理缺失：自定策略（删除/插补/建模），并显式处理 “90+” 年龄值；
- 特征工程：从谱功率、burst suppression、涌现轨迹分类中选择特征；
- 建模/统计：谵妄风险预测、alpha 功率与谵妄的关联分析等；
- 报告时如实说明口径、缺失处理与站点去标识带来的泛化局限。
9.3 数据加载与建模代码示例（范式骨架）
以下示例演示一个符合本数据集约束的分析骨架：限定采样语义、显式处理缺失与顶编码年龄、区分三层样本口径。代码为说明性骨架，变量名以官方数据字典为准。
# JSMF ACCESS 二次分析骨架（示意；实际字段名以 data_dictionary_annotated.csv 为准）
import numpy as np
import pandas as pd
from sklearn.model_selection import StratifiedKFold
from sklearn.linear_model import LogisticRegression
from sklearn.impute import SimpleImputer
from sklearn.pipeline import Pipeline
from sklearn.metrics import roc_auc_score
# 1) 读表与数据字典
df = pd.read_csv("jsmf_access.csv") # 受限访问审核通过后取得
dd = pd.read_csv("data_dictionary_annotated.csv") # 含逐变量 Value counts / 缺失度
miss = {row["variable"]: row["value_counts"] for _, row in dd.iterrows()}
print("缺失概览（示例）:", list(miss.items())[:5])
# 2) 显式处理顶编码年龄 "90+"
def parse_age(v):
s = str(v).strip()
if s.endswith("+"): # "90+" -> 取下限 90，或按需设为哨兵值
return 90.0
try:
return float(s)
except ValueError:
return np.nan
df["age_num"] = df["age"].map(parse_age)
# 3) 三层样本口径，按分析目的择一，不要混用
N_TOTAL, N_ASSESSED, N_MAIN = 646, 626, 502
cohort = df.dropna(subset=["delirium_cam_icu"]).copy() # ≈626 有结局
print("有谵妄结局的样本数:", len(cohort), "（对标 626；主分析子集约 502）")
# 4) 特征与标签（EEG 衍生特征 + 临床协变量）
y = cohort["delirium_cam_icu"].astype(int)
features = [
"delta_power_db", "alpha_power_db", # 谱功率（dB）
"burst_suppression_index", # 爆发抑制指标
"emergence_trajectory_class", # 涌现轨迹分类
"age_num", # 已处理 "90+"
"surgical_duration_min",
]
X = cohort[features]
# 5) 显式声明缺失处理策略（不默认删除式；此处以中位数/众数插补+建模为示例）
pipe = Pipeline([
("impute", SimpleImputer(strategy="median")),
("clf", LogisticRegression(max_iter=1000)),
])
skf = StratifiedKFold(n_splits=5, shuffle=True, random_state=0)
aucs = []
for tr, te in skf.split(X, y):
pipe.fit(X.iloc[tr], y.iloc[tr])
aucs.append(roc_auc_score(y.iloc[te], pipe.predict_proba(X.iloc[te])[:, 1]))
print("交叉验证 AUC（示意）:", round(float(np.mean(aucs)), 3))
# 注意：外部验证仍需独立队列；结论表述应为相关性/提示性，非因果。
# 6) 频段语义约束提醒：本发布为标准 100 Hz 采样，有效分析带宽 ≤ 约 50 Hz
print("分析频段应在 ≤50 Hz 语义下定义（delta/theta/alpha/beta）")
示例读法要点：
- 第 1 步强制先读数据字典——缺失是变量依赖的，盲建模会静默出错；
- 第 2 步是必做项：
"90+"若不处理，年龄列会变成字符串，数值流程直接报错或静默错值； - 第 3 步提醒 646/626/502 是三个口径，取错会让样本量错报；
- 第 6 步的 50 Hz 上限是 100 Hz 采样率的物理约束，不是可选提示（见 §10 坑 10）。
9.4 常见误用速查
| 想做的事 | 是否可行 | 说明 |
|---|---|---|
| 用衍生特征做谵妄预测建模 | ✓ 可行 | 官方列为首要用途 |
| 换频带边界重算谱功率 | ✗ 不可行 | 本发布无原始波形，须另行申请 EDF |
| 端到端学习原始脑电波形 | ✗ 不可行 | 同上 |
| 反推去标识站点对应的医院 | ✗ 不可行 | 站点为去标识数值编码 |
| 报告"开放式许可数据" | ✗ 不可行 | 为 Restricted Access，无开放 SPDX 许可 |
| 分析 50 Hz 以上频段 | ✗ 无有效信息 | 100 Hz 采样，有效带宽 ≤ 约 50 Hz |
§10 避坑清单：十个已踩过的坑
坑 1：把 JSMF 或 ACCESS 当机构名。JSMF 是资助基金会（Jackson S. Moulton Foundation），ACCESS 是研究联盟（Anesthesiologists Concerned with Cognition, Emergence, Sleep, and Sedation）——两者都不是医院或数据托管机构的名称，但很容易被误当作机构简称用于检索或引用。完整官方名为 JSMF ACCESS intraoperative derived EEG data set。
坑 2：论文年份双口径。PhysioNet 页参考文献把主分析标注为 Hesse S, Kreuzer M, Hight D, et al. Br J Anaesth. 2018；正式卷期为 2019，122(5): 622–634。引用时以卷期年份（2019）为准并注意差异。
坑 3：误以为有原始波形可再处理。本发布仅含衍生特征（谱/摘要 EEG 特征），不含原始 EEG 波形。任何"换频带边界重新衍生"“自定义滤波/重采样”"端到端波形学习"的用途都无法基于本发布完成，须另行申请原始 EDF。
坑 4：混用 646 / 626 / 502。646 是纳入总数，626 是完成谵妄评估数，502 是源研究主分析在"结局+年龄+alpha 功率"齐全后的子集。把三者混用会直接导致样本量错报与结论偏差。
坑 5：当作开放许可数据引用。JSMF ACCESS 是 Restricted Access，没有开放直链、没有明确的开放 SPDX 许可证字符串；它以**数据使用协议（DUA）**治理。若写成"CC-BY/ODC-BY 开放获取"即为事实错误。
坑 6：JSMF 资助口径的两种表述并存。数据致谢中既出现 Jackson S. Moulton Foundation（链接 jsmf.org）又出现 James S. McDonnell Foundation (St. Louis, Missouri, USA)，且两者标注的 grant number 均为 220023046。转述时应如实并列，不应擅自择一"更正"。
坑 7：未处理缺失即建模。数据缺失是变量依赖的（从 <1% 到 >30%），且无插补。使用默认的删除式处理（listwise deletion）会把分析队列悄悄缩小到某个有偏子集；必须显式声明缺失策略并做敏感性分析。
坑 8：未处理 “90+” 顶编码年龄即建模。数据含 1 例文本年龄 “90+”。不显式处理就把年龄当连续变量，会在建模中引入静默错误（字符串混入数值列）。
坑 9：把二次分析发现当因果结论。本发布是回顾性二次分析（非预注册研究），发现应表述为相关性/提示性，而非因果或确证性结论。
坑 10：忽略 100 Hz 采样的频段语义边界。本发布统一标准化至 100 Hz 采样，按奈奎斯特定理有效分析带宽上限约 50 Hz。在此数据上讨论 50 Hz 以上频段的结论缺乏有效信息支撑。
坑 11：忽视地区访问限制。PhysioNet 受美国 DOJ Data Security Program（EO 14117）影响，对来自部分国家/地区的受限数据访问可能设限。特定区域研究者应先核实适用性再申请，并在引用中如实说明这一治理背景。
§11 总结
11.1 三句话总结
- JSMF ACCESS 是 ACCESS 麻醉学联盟四家医院采集、JSMF（Jackson S. Moulton Foundation）资助的 646 例全麻手术术中额部 EEG 衍生特征数据集，核心科学问题是"苏醒涌现轨迹与 PACU 谵妄的关联"。
- 它以"标准化到 100 Hz + 发布摘要特征"的工程取舍换取跨站点复用性，代价是不含原始波形、无法重做信号处理，且以 Restricted Access 治理。
- 其规模口径必须成套理解：646 总 / 626 有谵妄评估 / 502 主分析子集；缺失度从 <1% 到 >30% 不等且无插补。
11.2 适合谁
- 围术期/麻醉研究者：研究苏醒脑状态、术后谵妄风险预测与围术期神经认知障碍；
- 临床机器学习研究者：需要一个真实的"混合变量 + 显著缺失"表格数据基准；
- 脑电方法学者（部分适用）：可使用其衍生特征做谱功率/爆发抑制/涌现轨迹的二次分析，但不可用于需要原始波形的信号处理研究；
- 流行病学研究者：研究 burst suppression 的发生率及其与年龄、合并症、麻醉技术的关系。
11.3 不适合谁
- 需要原始 EEG 波形做预处理/重采样/端到端深度学习的团队（本发布无原始波形）；
- 需要开放直链、零门槛下载的使用者（本数据集为受限访问）；
- 需要站点级具名信息的研究者（站点为去标识数值编码，不映射到机构）。
11.4 30 秒决策卡
| 你想要的 | 结论 |
|---|---|
| 术中 EEG 的原始波形 | ✗ 本发布无原始波形，须另行申请 EDF |
| 术中 EEG 衍生特征 + 谵妄结局 | ✓ 这正是它的核心内容 |
| 开放直链一键下载 | ✗ 受限访问，须签 DUA 并审核 |
| 跨站点围术期脑电数据 | ✓ 四站点异构设计是亮点 |
| 大样本、无缺失的干净表 | ✗ 缺失显著且不插补，须自行处理 |
| 术后谵妄预测建模 | ✓ 官方列为首要用途之一 |
§9.5 三个典型分析场景与常见失误
场景一：构建 PACU 谵妄风险预测模型
目标：用术中数据预测术后 PACU 谵妄（二分类）。
推荐流程：
- 取有谵妄结局者（约 626 例）作为建模队列；
- 特征 = EEG 衍生特征 + 临床协变量；
- 显式处理缺失（插补 + 指示列，或建模缺失）；
- 分层交叉验证给内部性能；寻找独立队列做外部验证；
- 报告口径、缺失策略与置信区间。
常见失误：
- ❌ 把 646 当建模样本（实际有结局者约 626，完整者约 502）；
- ❌ 忽略缺失结构直接
dropna，队列骤减且有偏； - ❌ 把涌现轨迹类别当连续值。
场景二：检验"维持期 alpha 功率 vs 谵妄"
目标：复现/扩展源研究关于维持期 alpha 功率的次要分析。
推荐流程：
- 明确 alpha 功率变量的定义与缺失率（相位特异变量缺失可能偏高）；
- 若需"结局+年龄+alpha 功率"齐全，样本量对标约 502；
- 调整年龄、合并症、麻醉等协变量；
- 报告效应量与置信区间，表述为相关性。
常见失误：
- ❌ 用 646 或 626 冒充分析口径（应说明为何用哪一层）；
- ❌ 不做缺失敏感性分析；
- ❌ 把相关性表述为因果（本数据是回顾性二次分析）。
场景三：burst suppression 流行病学描述
目标：描述 burst suppression 的发生率及其与年龄、合并症、麻醉技术的关系。
推荐流程：
- 确定 burst suppression 指标的定义（连续/二元）与缺失率；
- 按年龄、合并症负担、麻醉技术分组统计发生率；
- 报告置信区间与分组样本量；
- 注意站点异质性（去标识站点 A/B/C/D）。
常见失误：
- ❌ 把 burst suppression 指标当作在所有患者上都可得（存在缺失）；
- ❌ 忽略站点异质性直接汇总；
- ❌ 直接分析 50 Hz 以上频段相关指标（超出有效带宽）。
§9.6 与相邻数据集的组合策略
当单个数据集不足以支撑研究目标时，本数据集可与库内其他条目形成互补组合。但要注意，组合有"概念组合"与"物理拼接"两种，可行性天差地别：
| 组合方式 | 可行性 | 说明 |
|---|---|---|
| 与其他围术期数据集做荟萃分析（概念层） | ✓ 可行 | 汇总效应量，需注意口径一致性 |
| 与 EHR 数据集做方法学迁移（概念层） | ✓ 可行 | 借其建模范式，不拼数据 |
| 与其他数据集做患者级拼接（物理层） | ✗ 通常不可行 | 去标识 + 无统一主键 + DUA 限制 |
| 用本数据特征外部验证他处模型 | ✓ 有条件可行 | 需特征定义可比 |
结论：把本数据集当作一个"独立闭环"来用，是更稳妥的定位；强行做患者级跨库拼接，通常既不合规也不可行。
§9.7 从检索者到使用者的最短路径
如果你只是想快速判断这份数据能不能用，按下面三步走即可，无需读完整个条目：
- 看它是什么：术中额部 EEG 衍生特征 + 谵妄结局，646 例（§1 Q1–Q3）；
- 看你能不能拿到：Restricted Access，须签 DUA 并审核（§6.1）；
- 看它能干什么：特征级预测建模，不能做原始信号处理（§9.4 速查表）。
三步都通过，再回头精读 §2（数据构成）与 §9（使用指南）；任一步不通过，即可转向库内其他更合适的数据集（见「相关数据集对照表」）。
常见问题 FAQ
A. 基础认知
A1：JSMF ACCESS 到底是什么？
它是一个术中额部脑电衍生特征数据集，采集自 646 例非心脏全麻手术患者，配有临床变量与术后 PACU 谵妄结局，发布于 PhysioNet。它不是原始脑电波形库。完整官方名为 JSMF ACCESS intraoperative derived EEG data set。
A2：JSMF 是什么的缩写？
Jackson S. Moulton Foundation（杰克逊·S·莫尔顿基金会），资助该研究的基金会，grant number 220023046。
A3：ACCESS 是什么的缩写？
Anesthesiologists Concerned with Cognition, Emergence, Sleep, and Sedation（关注认知、苏醒、睡眠与镇静的麻醉医师联盟），执行多中心数据采集的研究联盟。
A4：谁发布的？
在 PhysioNet 平台上发布，PhysioNet 登记作者为 Paul Garcia、Sebastian Zinn、Jamie Sleigh。
A5：和哪篇论文对应？
源研究主分析为 Hesse et al., Br J Anaesth. 2019;122(5):622-634；相关次要分析为 Hight et al., Br J Anaesth. 2019。
A6：这是同一个研究的第一次公开吗？
不是。本 PhysioNet 发布（v1.0.0）是该多中心研究数据的二次分析发布，源研究数据此前已用于主分析论文。
B. 数据与获取
B1：怎么下载？
通过 PhysioNet 受限访问流程：签署该数据集的专用使用协议并经审核。内容页为 https://physionet.org/content/jsmf-access/。**没有开放直链**。
B2：许可是什么？
Restricted Access，由数据使用协议（DUA）治理。未提供明确的开放 SPDX 许可证字符串——不要当作 CC-BY/ODC-BY 引用。
B3：DOI 是多少？
10.13026/m2hn-w830（https://doi.org/10.13026/m2hn-w830）。
B4：版本和发布日？
version 1.0.0，发布日 2026-09-21。
B5：原始脑电在哪？
原始 EEG（EDF 格式）不在公开发布中，需向研究者合理请求，且受数据使用协议与伦理约束。
B6：需要什么软件？
无需专用软件，Python / MATLAB / R 等标准工具即可读取发布格式。
B7：访问会受地区限制吗？
可能。PhysioNet 受美国 DOJ Data Security Program（EO 14117）影响，对来自特定地区/隶属的连接可能限制受限数据访问。引用时宜如实说明。
C. 规模与人群
C1：多少例患者？
646 例。其中 626 例完成谵妄评估，20 例（3.1%）谵妄结局缺失。
C2：502 是什么？
源研究主分析在"谵妄结局 + 年龄 + alpha 功率均完整"后进一步限制得到的子集，共 502 例。
C3：纳入标准是什么？
成年、接受非急诊、非心脏手术、行全身麻醉、预期术后在 PACU 恢复、且手术不干扰额部 EEG 记录的患者。
C4：数据来自哪些医院？
Emory University Hospital Midtown、Grady Memorial Hospital、Atlanta VA Medical Center（美国亚特兰大）与 Waikato Hospital（新西兰）。
C5：数据里能看到是哪家医院吗？
不能。站点列是去标识的数值编码，被有意地不映射到具名机构。
C6：EEG 采样率？
统一标准化为 100 Hz；Atlanta 站点使用 SedLine 监测仪，原始采集为 250 Hz。100 Hz 采样意味着有效分析带宽 ≤ 约 50 Hz。
D. 变量与结局
D1：有哪些 EEG 特征？
谱功率摘要（dB，如 delta/alpha 频段）、爆发抑制指标、涌现轨迹分类（描述脑状态转换）、谱边缘频率、alpha 峰值频率。
D2：谵妄怎么测的？
术后在 PACU 用 CAM-ICU 评估。
D3：还有哪些结局？
恢复指标（苏醒时间、反应性）、住院时长、再入院。
D4：缺失严重吗？
变量依赖：从 <1%（基本人口学）到 >30%（部分睡眠史与相位特异 EEG 变量）不等。谵妄主结局缺失 3.1%。
D5：缺失会插补吗？
不会。本发布不含任何插补值，使用者须自定策略并做敏感性分析。
D6：有什么特殊值要注意？
1 例年龄记为文本 “90+”，作连续变量处理时须显式处理。
E. 用途与库内
E1：主要能用来做什么？
术后谵妄风险预测建模与外部验证、EEG 生物标志物二次分析、burst suppression 流行病学、跨站点/技术比较、带缺失的表格 ML 基准。
E2：能不能做原始信号处理研究？
不能。本发布无原始波形，无法重采样/重滤波/换频带边界重算。
E3：库内有哪些可互链的条目？
VitalDB（rid 192）、INSPIRE（rid 176）、CHB-MIT Scalp EEG（rid 72）、EEGMMIDB（rid 342）、Bonn EEG（rid 322）、DREAMT（rid 650）、SICdb（rid 124）、MIMIC-IV（rid 4）等。
E4：适合初学者吗？
适合已有临床/统计基础、想入门围术期脑电与谵妄建模的研究者；但需先理解受限访问流程与缺失处理。
E5：这对临床有直接意义吗？
它服务的是研究层面——若能证明苏醒脑状态与谵妄相关，可能为更早的干预窗口提供线索；但它本身不是临床工具。
E6：为什么它对 AI-Ready 重要？
它是"结局闭环 + 受限访问"的组合样本：把术中可测的脑电暴露与术后可测的认知结局对齐在同一张表上，直接支撑预测建模，无需研究者自行跨源链接；但受限访问与地区政策显著压低其可获取性得分。
E7：数据是否含插补或清洗后的"干净表"？
不含。缺失被透明化写进数据字典且不插补，使用者不能假设"拿来即用"。
E8：能否把它的脑电特征与其他数据集拼接？
可以与其他围术期数据做概念层面的联合荟萃，但患者级直接拼接通常不可行——去标识与访问协议限制，且无跨数据集统一主键。
F. 伦理与治理
F1：伦理审批号是什么？
Emory University IRB：CR3_IRB00063456；Waikato Hospital：Ref. 12/CEN/56。
F2：有知情同意吗？
有，每位患者均签署书面知情同意。
F3：有利益冲突吗？
Paul S. Garcia 是若干人类 EEG 相关专利的具名发明人，亦为 Lantern Laboratory, Inc. 联合创始人；声明称与本工作无财务关联。
相关数据集对照表
下表列出与 JSMF ACCESS 同处"围术期 / 麻醉 / 脑电 / 谵妄"交叉带、且已在本库内的条目（注明库内 record_id），便于检索者横向定位与跳转。
| 库内条目（rid） | 主题 | 模态/信号形态 | 访问级别 | 与 JSMF ACCESS 的关系 |
|---|---|---|---|---|
| VitalDB（192） | 手术患者多参数生命体征 | 原始波形（高保真） | 开放/持证 | 同为"术中信号"但 VitalDB 是原始波形、无谵妄结局 |
| INSPIRE（176） | 首尔大围术期数据库 | 结构化围术期 EHR | 受限 | 同为围术期、受限访问；INSPIRE 是 EHR 而非 EEG |
| CHB-MIT Scalp EEG（72） | 儿童癫痫头皮 EEG | 原始 EEG 波形 | 开放 | 同为脑电，但主题是癫痫、非麻醉 |
| EEGMMIDB（342） | 运动想象脑电 | 原始 EEG 波形 | 开放 | 同为 EEG 基准，但无围术期/谵妄语境 |
| Bonn EEG（322） | 癫痫脑电分类基准 | 原始 EEG 波形 | 开放 | 同为 EEG 分类基准，主题不同 |
| DREAMT（650） | 睡眠/可穿戴生理信号 | 多模态生理 | 受限 | 同为"睡眠-脑状态"线索，但面向睡眠而非麻醉苏醒 |
| SICdb（124） | 欧洲分钟级 ICU 数据 | ICU 时序数据 | 受限 | 同为重症/围术期时序，含脑电相关变量 |
| MIMIC-IV（4） | 重症监护 EHR | 结构化 EHR | 持证 | 同为临床结局分析语境，无术中 EEG |
辨析提示：本库内不存在与 jsmf-access 撞名的条目（查重返回 0 行）。若检索词误用泛化的 “access”，可能命中语音无障碍项目
speech-accessibility-project（rid 830）等无关条目——请以精确短语或 DOI 定位。
术语表
| 术语（中文） | 英文 | 释义 |
|---|---|---|
| 术中脑电 | intraoperative EEG | 手术过程中记录的脑电信号 |
| 额部脑电 | frontal EEG | 额部电极采集的脑电，麻醉监测常用 |
| 衍生特征 | derived features | 原始信号经处理后得到的摘要/谱特征，非原始波形 |
| 涌现轨迹 | emergence trajectory | 从麻醉中苏醒时脑状态随时间转换的路径 |
| 纺锤波 | spindle | 麻醉脑电中一类特征性振荡活动 |
| 爆发抑制 | burst suppression | 脑电高幅爆发与低平抑制交替的深麻醉模式 |
| 谱功率 | spectral power | 各频段信号能量，常以 dB 表示 |
| 谱边缘频率 | spectral edge frequency | 累积谱功率达某比例（如 95%）对应的频率 |
| alpha 峰值频率 | alpha peak frequency | alpha 频段功率峰对应的频率 |
| 谵妄 | delirium | 急性、波动的注意力与认知障碍 |
| 术后谵妄 | postoperative delirium | 手术后发生的谵妄 |
| PACU | Post-Anaesthesia Care Unit | 麻醉后监护室 |
| CAM-ICU | Confusion Assessment Method for the ICU | 重症监护意识模糊评估法，谵妄评估工具 |
| SedLine | SedLine monitor | 一种麻醉脑电监测设备（Masimo） |
| 全静脉麻醉 | TIVA | total intravenous anaesthesia，全凭静脉麻醉 |
| 挥发性麻醉 | volatile anaesthesia | 吸入挥发性麻醉药维持麻醉 |
| 合并症 | comorbidity | 与主病共存的其他疾病 |
| 血流动力学 | haemodynamics | 血压、心率等循环相关指标 |
| 安全网医院 | safety-net hospital | 主要服务低收入/无保险人群的医院 |
| 退伍军人医学中心 | VA Medical Center | 美国退伍军人事务部下属医疗机构 |
| 受限访问 | Restricted Access | PhysioNet 最高门槛访问级别，须签 DUA 并审核 |
| 数据使用协议 | DUA | Data Use Agreement，约定数据使用与再分发 |
| 二次分析 | secondary analysis | 基于既有数据回答新问题的分析 |
| 去标识 | de-identification | 去除可识别个体/机构信息 |
| 顶编码 | top-coded | 数值超上限时以固定值/文本记录（如 “90+”） |
| 删除式处理 | listwise deletion | 删除任何含缺失的记录的处理方式 |
事实清单（硬事实 30 条）
- 官方名：JSMF ACCESS intraoperative derived EEG data set。
- slug：jsmf-access。
- JSMF = Jackson S. Moulton Foundation（资助基金会）。
- ACCESS = Anesthesiologists Concerned with Cognition, Emergence, Sleep, and Sedation（麻醉学联盟）。
- 资助 grant number：220023046。
- PhysioNet 登记作者：Paul Garcia、Sebastian Zinn、Jamie Sleigh。
- 平台：PhysioNet（RRID:SCR_007345）。
- DOI：10.13026/m2hn-w830。
- 版本：v1.0.0；发布日 2026-09-21。
- 访问级别：Restricted Access。
- 总例数：646 例手术患者。
- 完成谵妄评估：626 例。
- 谵妄结局缺失：20 例（3.1%）。
- 主分析子集：502 例。
- 站点数：4 家。
- 站点：Emory University Hospital Midtown、Grady Memorial Hospital、Atlanta VA Medical Center、Waikato Hospital。
- EEG 标准采样率：100 Hz。
- Atlanta 采集设备/率：SedLine，250 Hz。
- 谵妄评估工具：CAM-ICU。
- 变量缺失度范围：<1% ~ >30%。
- 无插补值。
- 顶编码年龄：1 例 “90+”。
- 数据内容：临床变量 + 谵妄/恢复结局 + 衍生 EEG 特征。
- 发布仅含摘要 EEG 特征，无原始波形。
- 原始 EEG：EDF 格式，合理请求获取。
- 源研究主分析：Hesse et al. 2019, Br J Anaesth 122(5):622-634。
- 相关次要分析：Hight et al. 2019。
- 伦理审批：Emory CR3_IRB00063456；Waikato 12/CEN/56。
- 伦理：逐例书面知情同意。
- 资助口径并列：Jackson S. Moulton Foundation 与 James S. McDonnell Foundation（共用 grant 220023046）。
G. 工程与建模
G1：把年龄当连续变量处理会怎样？
会出错。数据中含 1 例文本值 “90+”，若直接转为数值会报错或被静默解析为 NaN/异常值。须先显式解析（如将 “90+” 赋为 90 或按区间分箱）。
G2：能默认用删除式处理（listwise deletion）吗？
不建议。缺失是变量依赖的（部分变量 >30%），默认删除会悄悄把队列缩小到有偏子集。应显式声明策略并做敏感性分析。
G3：谱功率的 dB 值能直接比较吗？
可以比较，但要先确认两组比较的变量缺失情况与样本口径一致——不同缺失率下，可比性会受损。同时应意识到这是衍生自 100 Hz 信号的谱功率，有效带宽 ≤ 约 50 Hz。
G4：能否在本数据上训练端到端深度模型？
不能。端到端（原始波形入、结局出）需要原始波形，而本发布只有衍生特征。可做的是"特征入、结局出"的经典机器学习/统计建模。
G5：涌现轨迹分类是数值还是类别？
是类别变量，描述脑状态之间的转换模式。建模时需按类别处理（独热或多分类编码），不能当连续值。
G6：做外部验证需要什么？
一个独立队列。本数据的交叉验证只能给内部性能估计，不能替代外部验证。可用其他围术期 EEG 数据集（如库内相关条目）作外部验证候选，但需注意特征定义的可比性。
G7：能否做特征重要性/可解释性分析？
可以，且这正是本数据集擅长的——变量语义清晰、有数据字典，适合做特征重要性、SHAP 类可解释性分析，前提是正确声明缺失处理。
G8：burst suppression 指标怎么用？
可作为连续变量或按阈值二值化。典型的流行病学用法是报告其发生率（超阈值比例），并分析其与年龄、合并症负担、麻醉技术的关系。
G9：站点变量能用来做什么？
可作去标识的站点效应协变量（站点 A/B/C/D），用于考察跨站点异质性；但不能用它识别具体医院，也不能据此做具名比较。
G10：数据里有没有时间序列结构？
本发布以患者级摘要形式呈现（每患者一行的特征），不是逐时间点的时间序列。若需要术中历程的时序动态，需依赖原始 EDF（另行申请）。
H. 引用与合规
H1：只引用数据集不引用论文行不行？
不合适。PhysioNet 明确建议同时引用数据资源（DOI 10.13026/m2hn-w830）与源研究论文（Hesse et al. 2019）——前者致谢数据，后者致谢科学工作。
H2：可以把数据传给合作者吗？
由所签署的 DUA 决定，受限数据通常禁止直接再分发；合作应按平台流程处理，而不是私下转交。
H3：可以作为"开放数据"写进论文方法段吗？
不能。必须写明为 Restricted Access，并说明已获授权。
H4：致谢怎么写？
建议同时致谢数据资源与资助方（如 Jackson S. Moulton Foundation），并按规定引用格式引用数据集与论文。
H5：地区研究者无法访问怎么办？
应如实说明受治理政策限制，并考虑使用开放替代数据做方法验证，或通过合规机构渠道申请。
DAIMS 评估：数据资产成熟度全表
DAIMS（Data Asset Information Maturity Schema）是本库用于刻画数据资产成熟度的维度式评估表，从可发现性到治理规范度逐项打分（1-10），并给出综合评级。
| 维度 | 评分（1-10） | 依据 |
|---|---|---|
| D 可发现性 Discoverability | 8 | PhysioNet 平台可索引 + 明确 DOI（10.13026/m2hn-w830）+ 内容页与 alpha 镜像；名称 JSMF ACCESS 由三段拼接，泛化检索易错配微降分 |
| A 可获取性 Accessibility | 4 | Restricted Access 最高门槛：无开放直链、须签 DUA 并经审核；原始 EDF 另行请求；且受 DOJ DSP（EO 14117）地区限制可能性——最大失分项 |
| I 可互操作 Interoperability | 7 | 标准表格格式（CSV 类）+ 逐变量数据字典 + 无需专用软件（Python/MATLAB/R）；无官方到通用生理信号标准格式的转换脚本 |
| M 元数据质量 Metadata | 8 | README + data_dictionary_annotated.csv（含逐变量缺失度）+ 官方限制说明详尽；论文年份存双口径微降分 |
| R 可复用性 Reusability | 7 | 官方列出 6 类明确潜在用途、变量语义清晰；但仅衍生特征（无原始波形）限制再分析自由，且无插补需自行处理 |
| S 可持续性 Sustainability | 7 | 依托 PhysioNet 长期平台（RRID:SCR_007345），版本化发布；受限数据的长期可获得性依赖机构治理与政策环境 |
| 综合评级 | 6.8/10（中上） | 文档与元数据质量高、科学定位清晰；可获取性被受限访问与地区政策双重拖低，是其相对于开放数据集的主要短板 |
评级解读：本数据集的成熟度呈"文档强、获取弱"的典型形态——在元数据质量与可发现性上接近优秀（8 分档），但可获取性（4 分）显著拖累综合评级。这意味着它更适合"知道去哪找、并有资格申请"的研究者，而非追求一键下载的快速使用者。
附录 A：条目信息速查卡
| 项 | 值 |
|---|---|
| slug | jsmf-access |
| 官方名 | JSMF ACCESS intraoperative derived EEG data set |
| 中文名 | JSMF ACCESS 术中衍生脑电数据集 |
| 平台 | PhysioNet |
| DOI | 10.13026/m2hn-w830 |
| 版本 / 发布 | v1.0.0 / 2026-09-21 |
| 访问级别 | Restricted Access |
| 规模 | 646（626 评估 / 502 主分析） |
| 作者 | Paul Garcia, Sebastian Zinn, Jamie Sleigh |
| 源论文 | Hesse et al. 2019, Br J Anaesth 122(5):622-634 |
附录 B：逐项证据链自证
| 关键数字/事实 | 来源 | 位置 |
|---|---|---|
| 646 / 626 / 20（3.1%）/ 502 | PhysioNet 内容页（Abstract + Known limitations） | https://physionet.org/content/jsmf-access/ |
| 四站点名称 | PhysioNet 内容页 | https://physionet.org/content/jsmf-access/ |
| 100 Hz 标准化 / SedLine 250 Hz | PhysioNet 内容页 | https://physionet.org/content/jsmf-access/ |
| CAM-ICU 谵妄评估 | PhysioNet 内容页 | https://physionet.org/content/jsmf-access/ |
| 缺失度 <1% ~ >30%、无插补 | PhysioNet 内容页（Known limitations） | https://physionet.org/content/jsmf-access/ |
| “90+” 顶编码年龄 | PhysioNet 内容页（Known limitations） | https://physionet.org/content/jsmf-access/ |
| 版本 1.0.0、发布 2026-09-21 | PhysioNet 资源列表页 | https://www.physionet.org/data/ |
| DOI 10.13026/m2hn-w830 | PhysioNet 内容页（Cite 区块 BibTeX） | https://physionet.org/content/jsmf-access/ |
| ACCESS 全称 | PhysioNet 内容页 | https://physionet.org/content/jsmf-access/ |
| JSMF 全称与 grant 220023046 | PhysioNet 内容页（Acknowledgements） | https://physionet.org/content/jsmf-access/ |
| IRB 编号 | PhysioNet 内容页（Ethics） | https://physionet.org/content/jsmf-access/ |
| 源论文 Hesse et al. 2019 | PhysioNet 内容页（References） | https://physionet.org/content/jsmf-access/ |
| 访问级别 Restricted Access | PhysioNet 资源列表页标注 | https://www.physionet.org/data/ |
附录 C：数据获取决策树
目标：取得 JSMF ACCESS 数据
├─ 需要原始 EEG 波形（EDF）？
│ ├─ 是 → 先走 PhysioNet 受限访问 → 再向研究者合理请求原始 EDF（受 DUA + 伦理约束）
│ └─ 否 → 只需衍生特征 → 走 PhysioNet 受限访问流程
├─ 具备受限访问资格？
│ ├─ 区域/隶属受 DOJ DSP 限制？ → 是 → 需评估合规访问选项
│ └─ 否 → 签署 DUA + 完成身份核验 → 提交申请 → 审核通过 → 下载
└─ 拿到数据后
├─ 先读 README + data_dictionary_annotated.csv（缺失度）
├─ 确定分析口径（646 / 626 / 502）
├─ 处理缺失 + "90+" 年龄
└─ 建模 / 统计 → 报告口径与局限
附录 D：三层口径登记表（双口径存照）
| 口径 | 例数 | 说明 | 使用建议 |
|---|---|---|---|
| 严格总口径 | 646 | 全部纳入手术患者 | 报告"数据规模"时使用 |
| 评估口径 | 626 | 完成 CAM-ICU 谵妄评估 | 报告"谵妄评估样本"时使用 |
| 分析口径 | 502 | 源研究主分析完整子集 | 对标源论文结论时使用 |
| 缺失口径 | 20（3.1%） | 谵妄结局缺失 | 提示样本衰减时使用 |
| 数字 | 口径 A（严格保守） | 口径 B（含子集细节） |
|---|---|---|
| 患者总数 | 646 | 646 |
| 谵妄评估 | — | 626 |
| 结局缺失 | — | 20（3.1%） |
| 主分析子集 | — | 502 |
| 站点数 | 4 | 4 |
| EEG 率 | 100 Hz | 100 Hz（Atlanta 250 Hz） |
| 版本/发布 | v1.0.0 / 2026-09-21 | v1.0.0 / 2026-09-21 |
| DOI | 10.13026/m2hn-w830 | 10.13026/m2hn-w830 |
| 访问级别 | Restricted Access | Restricted Access |
附录 E：站点构成与缺失度分层总表
| 站点 | 国家 | 类型 |
|---|---|---|
| Emory University Hospital Midtown | 美国 | 学术型大学医院 |
| Grady Memorial Hospital | 美国 | 安全网县医院 |
| Atlanta VA Medical Center | 美国 | 退伍军人医学中心 |
| Waikato Hospital | 新西兰 | 国际站点 |
| 变量类别 | 近似缺失率 | 建议 |
|---|---|---|
| 基本人口学 | <1% | 可直接使用（注意 “90+”） |
| 合并症/麻醉 | 低 | 可直接使用 |
| 主结局（谵妄） | 3.1%（20/646） | 报告缺失敏感性 |
| 睡眠史 | >30%（部分） | 敏感度分析或排除 |
| 相位特异 EEG | >30%（部分） | 敏感度分析或排除 |
附录 F：衍生 EEG 特征速查
| 特征 | 含义 | 单位/类型 | 典型用途 |
|---|---|---|---|
| delta power | delta 频段功率 | dB | 麻醉深度、涌现 |
| alpha power | alpha 频段功率 | dB | 维持期预后线索 |
| spectral edge freq | 谱边缘频率 | Hz | 状态刻画 |
| alpha peak freq | alpha 峰值频率 | Hz | 振荡中心频率 |
| burst suppression index | 爆发抑制指数 | 比例 | 深麻醉/脑抑制 |
| emergence trajectory class | 涌现轨迹类别 | 类别 | 苏醒模式（纺锤波主导与否） |
附录 G：缩写速查
| 缩写 | 全称 | 含义 |
|---|---|---|
| JSMF | Jackson S. Moulton Foundation | 资助基金会 |
| ACCESS | Anesthesiologists Concerned with Cognition, Emergence, Sleep, and Sedation | 麻醉学研究联盟 |
| EEG | Electroencephalogram | 脑电图 |
| PACU | Post-Anaesthesia Care Unit | 麻醉后监护室 |
| CAM-ICU | Confusion Assessment Method for the ICU | 谵妄评估工具 |
| TIVA | Total Intravenous Anaesthesia | 全凭静脉麻醉 |
| EDF | European Data Format | 脑电波形文件常见格式 |
| DUA | Data Use Agreement | 数据使用协议 |
| DSP | Data Security Program | 美国 DOJ 数据安全计划（EO 14117） |
| IRB | Institutional Review Board | 机构审查委员会 |
| RRID | Research Resource Identifier | 研究资源标识 |
| DOI | Digital Object Identifier | 数字对象标识 |
附录 H：栏目维护触发点
| 触发点 | 动作 |
|---|---|
| PhysioNet 发布新版本（>1.0.0） | 更新版本号、发布日与差异说明 |
| 源研究论文卷期/DOI 更正 | 更新 §4.1 论文引用 |
| 许可条款细化（出现明确 SPDX 标识） | 更新 §6.5 与 frontmatter license |
| DOJ DSP/EO 14117 政策调整 | 更新 §6.4 与坑 11 的地区访问提示 |
| 库内相关条目入库或重编号 | 补齐「相关数据集对照表」的 rid 与互链 |
| 顶编码年龄/缺失说明变化 | 更新 §2.5 与坑 8 |
参考文献与来源
本条目所有关键事实均以 PhysioNet 官方内容页及其镜像为一手来源，论文信息以期刊卷期为准。检索与引用时建议以下列来源为核验锚点：
一手来源（数据集与平台）
- PhysioNet 内容页：JSMF ACCESS intraoperative derived EEG data set — https://physionet.org/content/jsmf-access/
- PhysioNet alpha 镜像 — https://alpha.physionet.org/content/jsmf-access/
- DOI 解析 — https://doi.org/10.13026/m2hn-w830 （DOI: 10.13026/m2hn-w830）
- PhysioNet 资源列表（EEG 主题） — https://www.physionet.org/content/?topic=eeg
- PhysioNet 资源列表（麻醉主题） — https://www.physionet.org/content/?topic=anesthesia
源研究论文
- Hesse S, Kreuzer M, Hight D, Gaskell A, Devari P, Singh D, Taylor NB, Whalin MK, Lee S, Sleigh JW, García PS. Association of electroencephalogram trajectories during emergence from anaesthesia with delirium in the postanaesthesia care unit: an early sign of postoperative complications. British Journal of Anaesthesia, 2019, 122(5): 622–634. DOI: 10.1016/j.bja.2018.09.010
- Hight DF, Gaskell AL, Kreuzer M, et al. Transient electroencephalographic alpha power loss during maintenance of general anaesthesia. British Journal of Anaesthesia, 2019.
机构与治理来源
- ACCESS 研究联盟 — https://www.accesshq.org
- Jackson S. Moulton Foundation — https://www.jsmf.org
引用规范（数据引用，APA 风格）
Garcia, P., Zinn, S., & Sleigh, J. (2026). JSMF ACCESS intraoperative derived EEG data set (version 1.0.0). PhysioNet. https://doi.org/10.13026/m2hn-w830
引用规范（源论文）
Hesse, S., Kreuzer, M., Hight, D., Gaskell, A., Devari, P., Singh, D., Taylor, N. B., Whalin, M. K., Lee, S., Sleigh, J. W., & García, P. S. (2019). Association of electroencephalogram trajectories during emergence from anaesthesia with delirium in the postanaesthesia care unit: an early sign of postoperative complications. British Journal of Anaesthesia, 122(5), 622–634.
存照附录：口径差异与待核疑点
本节记录本条目在事实核验中发现的原始文档差异与待核疑点，供后续维护者溯源与复核。所有条目均如实转述，不做人为"更正"。
存照 1：论文年份双口径
- 现象：PhysioNet 内容页参考文献将主分析论文标注为 2018；其正式卷期为 2019（Br J Anaesth 122(5):622-634）。
- 处理：本条目以卷期年份 2019 为准，并在 §4.1 与坑 2 注明差异。不视为数据错误，而是平台标注与期刊卷期的口径差。
存照 2：JSMF 资助口径的两种表述并存
- 现象：数据致谢中同时出现 “Jackson S. Moulton Foundation”（链接 jsmf.org）与 “James S. McDonnell Foundation (St. Louis, Missouri, USA)”，且两者标注的 grant number 均为 220023046。
- 处理：本条目在 §7.3 与坑 6 如实并列两种表述，标注为资助口径差异，不擅自择一"更正"。
存照 3：无明确 SPDX 许可证字符串
- 现象：PhysioNet 页面按 Restricted Access 治理，未提供如 ODC-BY、CC-BY 等明确的 SPDX 许可证字符串。
- 处理：本条目在 frontmatter 与 §6.5 标注为"受限访问 / 须签 DUA"，并明确提示不得当作开放许可数据引用（见坑 5）。
存照 4：站点去标识与机构对应
- 现象：发布中的站点列为去标识数值编码，官方有意不映射到具名机构。
- 处理：本条目在 §2.2、§5 与 FAQ C5 注明：使用者无法从数据本身反推站点对应医院，如需站点级细节须参考父研究论文。
待核疑点总表
| 序号 | 待核项 | 现状 | 处置 |
|---|---|---|---|
| 1 | 论文年份 | PhysioNet 标 2018 / 卷期 2019 | 以卷期 2019 为准，注明差异 |
| 2 | JSMF 展开 | 致谢并列两个基金会，共用 grant | 如实并列，标口径差异 |
| 3 | 许可证 | 无明确 SPDX 字符串 | 标为受限访问/DUA |
| 4 | 站点对应 | 去标识数值编码 | 不反推，指向父研究 |
附录 I：生产档案
- 生产代理：agent-b2-jsmfaccess（成稿，复用 agent-c-jsmfaccess 的 FACTS.md）
- 生产日期：2026-10-10
- 事实来源：PhysioNet 内容页、PhysioNet alpha 镜像、PhysioNet 资源列表页（topic=eeg / topic=anesthesia）、DOI 解析
- 核验方式：复用前序三源互证结论（内容页 + alpha 镜像 + 资源列表页）
- 查重结论：库内
url_name ILIKE '%jsmf%'返回 0 行，无撞库
尾注
本条目为千方病案医数集（qianfanghub.com）AI-Ready Wikipedia 数据集条目，面向检索者与研究者的可读性与可核验性优先。文中所有硬数字均落来源 URL；凡未获三源互证的细节，一律标注为待核或提示口径差异。数据集名称、机构、许可与规模等关键事实以 PhysioNet 官方内容页为准，如遇平台更新，以最新版本为准。论文年份双口径、JSMF 资助口径并列、无明确 SPDX 许可证等原始文档特征已在坑点（§10）与「存照附录」中存照。条目与库内围术期/术中信号（VitalDB rid 192、INSPIRE rid 176）及脑电信号类条目（CHB-MIT rid 72、EEGMMIDB rid 342、Bonn EEG rid 322）互链，构成"围术期脑电 × 术后认知"的完整检索面。
附录 J：检索指南与关键词策略
本数据集的名称由"资助方 + 联盟 + 内容"三段拼成，检索时最易被误拆。下表给出推荐的检索策略：
| 检索目标 | 推荐关键词 | 避坑 |
|---|---|---|
| 精确定位本数据集 | "JSMF ACCESS" + intraoperative + EEG |
勿单用 “access”（易命中无关项） |
| 用 DOI 直接定位 | 10.13026/m2hn-w830 |
最稳妥，避免名称歧义 |
| 找平台条目 | physionet jsmf access |
用站点限定 |
| 找源论文 | Hesse 2019 emergence trajectory delirium |
注意年份双口径 |
| 找相关理论 | alpha power loss general anaesthesia Hight |
次要分析论文 |
| 找同域数据 | intraoperative EEG dataset delirium |
区分原始波形库与特征库 |
三段式命名的坑：把 “JSMF” 或 “ACCESS” 单独当机构名去搜，会得到大量无关结果。正确做法是用完整精确短语或以 DOI 定位（见坑 1、坑 7）。
附录 K：本条目与库内条目的检索路径图
检索者意图
├─ 关心"术中脑电 + 术后认知" → 本条目 JSMF ACCESS
│ ├─ 想对比原始波形库 → VitalDB（rid 192）
│ ├─ 想对比围术期 EHR → INSPIRE（rid 176）
│ ├─ 想对比癫痫 EEG 基准 → CHB-MIT（rid 72）/ Bonn EEG（rid 322）
│ └─ 想对比运动想象 EEG → EEGMMIDB（rid 342）
├─ 关心"重症脑电/睡眠" → DREAMT（rid 650）/ SICdb（rid 124）
└─ 关心"临床结局建模" → MIMIC-IV（rid 4）等 EHR 条目
附录 L：数值校验块（便于快速复核）
| 事实 | 数值 | 自洽性检查 |
|---|---|---|
| 总例数 | 646 | — |
| 完成评估 | 626 | ≤ 646 ✓ |
| 结局缺失 | 20 | 646 − 626 = 20 ✓ |
| 缺失率 | 3.1% | 20 / 646 ≈ 3.10% ✓ |
| 主分析子集 | 502 | ≤ 626 ✓ |
| 站点数 | 4 | — |
| 标准采样率 | 100 Hz | 有效带宽 ≤ 约 50 Hz |
| Atlanta 采集率 | 250 Hz | ≥ 100 Hz（重采样下采）✓ |
附录 M：适合与不适合一览（速查）
| 维度 | 适合 | 不适合 |
|---|---|---|
| 信号形态 | 衍生特征分析 | 原始波形处理 |
| 分析层级 | 患者级表格建模 | 逐时间点时序建模 |
| 结局 | 谵妄预测、恢复结局 | 需要影像/病理结局 |
| 空间信息 | 额部单区域 | 空间定位/脑网络 |
| 获取门槛 | 有 DUA 申请能力者 | 需一键下载者 |
| 站点分析 | 去标识站点效应 | 具名机构比较 |
附录 N：一次完整使用的清单（从申请到报告）
- 申请前：确认 PhysioNet 账户、培训、DUA 理解、机构适用性；
- 提交申请：填写用途说明，等待审核；
- 获取后第一步：读 README 与
data_dictionary_annotated.csv，记录逐变量缺失率； - 确定口径：根据所需变量集选 646 / 626 / 502；
- 清洗：显式处理 “90+”、显式声明缺失策略；
- 建模：特征入、结局出；注意涌现轨迹为类别变量；
- 验证：内部交叉验证 + 尽量寻找独立队列做外部验证；
- 报告：写明口径、缺失处理、站点去标识与地区治理局限；
- 引用：同时引用数据集 DOI 与源论文；
- 合规：遵守 DUA，不再分发，按规定致谢。
附录 O：本条的写作边界声明
- 本条目不重复做原创网络研究，其事实基础来自前序代理已完成并经三源互证的 FACTS.md；
- 凡 FACTS.md 标注为待核/双口径的事项（论文年份、JSMF 展开、许可证），本条目如实保留，未做人为裁定；
- 本条目不夸大数据规模与适用范围，所有能力边界（无原始波形、额部、受限访问、回顾性设计）均已显式声明；
- 本条目不虚构任何未在来源中出现的数字、机构或结论。
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-2023 — 共享标签：生理信号 / 脑电信号 / 重症监护 / 神经科学
- helsinki-neonatal-eeg — 共享标签：生理信号 / 脑电信号 / 重症监护 / 神经科学
- openneuro — 共享标签：生理信号 / 脑电信号 / 神经科学
- mc-med — 共享标签：生理信号 / 临床电子病历 / 重症监护
- siena-scalp-eeg — 共享标签：生理信号 / 脑电信号 / 神经科学
- eeg-power-anesthesia — 共享标签：生理信号 / 脑电信号 / 神经科学
- ltrsvp — 共享标签：生理信号 / 脑电信号 / 神经科学
- ibl-brain-wide-map — 共享标签：生理信号 / 脑电信号 / 神经科学
- spikeinterface — 共享标签：生理信号 / 脑电信号 / 神经科学
- tuh-eeg-corpus — 共享标签：生理信号 / 脑电信号 / 神经科学
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。
