信息速览

数据集名称MIMIC-III Demo — 百患者演示子集 AI-Ready Wikipedia

数据类型100 患者,25 张 CSV,Open Access,ODbL 1.0,去 noteevents

规模100 名患者（MIMIC-III 全库真实患者子集）

接入方式https://physionet.org/content/mimiciii-demo/

AI 就绪度

INFOBOX

属性	内容
名称	MIMIC-III Clinical Database Demo（v1.4）
维护方	MIT Laboratory for Computational Physiology / PhysioNet
发布	2019 引用格式（Johnson, Pollard & Mark）；版本号跟随主库 v1.4
定位	MIMIC-III 全库的官方手动精选演示子集——零门槛 ICU 教学沙盒
规模	100 名患者（全库真实患者）的全部 ICU 停留
抽样设计	随机抽自"最终死亡"患者子集——全员含 DOD（官方明示的偏差）
表结构	与全库 26 表完全一致；NOTEEVENTS 全部移除
格式	25 个 RFC 4180 CSV；或单个 PostgreSQL 9.5 备份文件
访问	Open Access（免授权/免注册/免 DUA）——与全库 Credentialed 的根本区别
许可	ODbL 1.0（全库为 Credentialed Health Data License 1.5.0）
DOI	10.13026/C2HM2Q
官方课程	MIT LCP HST-953（PostgreSQL+PgAdmin 教学，动脉导管案例）
推荐工具	PostgreSQL / SQLite+DB Browser / Kaggle 镜像
平台	PhysioNet

§0 E-E-A-T 信任声明与免责声明

核查路径：本文全部事实取自 PhysioNet 官方条目页（mimiciii-demo/1.4 与主页面，两页内容一致）、mimic.physionet.org 官方文档页（iii/demo.html）、MIT LCP 官方课程页（HST-953 Workshop 01）及 hands-on-healthcare-data 的 GitLab 镜像（许可确认）——四源交叉。
最重要的警告前置：demo 的 100 名患者全部随机抽自"最终死亡"人群（官方 Methods 原文），这是官方明示的设计特征而非缺陷——但它使 demo 在死亡率/生存研究上系统性无效。本条目所有"不能做什么"的判断均锚定这条官方事实。
免责：本条目是数据集百科，不构成临床建议；demo 虽开放访问，ODbL 署名义务与患者隐私伦理仍然适用。
与主库条目的分工：本条目聚焦 demo 的独特属性（抽样设计/开放策略/教学生态）；schema 细节、双系统 itemid、benchmark 体系等共性内容以主库条目（本系列 490）为准，不重复展开。

§1 数据集概览

§1.0 📌 30 秒速览

是什么：MIMIC-III 官方 100 患者演示子集——真实 ICU 数据的"沙盒版"，免注册免授权直接下载。
三用定位：教学沙盒（临床数据仓库第一课）+ 预览沙盒（申请全库授权前评估）+ 开发沙盒（mimic-code 管线调试）。
关键特征：schema 与全库完全一致（26 表）；NOTEEVENTS 移除（25 CSV）；100 名患者全部有死亡日期（抽样设计使然）。
入口代价：几乎为零——下载即用，MB 级体积，SQLite 可视化浏览。
一句话：它是临床数据世界的"驾校教练车"——结构与真车完全相同，但里程表不用于参加比赛。

§1.1 摘要

MIMIC-III Clinical Database Demo 是 MIT 实验计算生理学实验室发布的官方演示子集：从 MIMIC-III 全库（38,597 成人患者）中手动精选 100 名患者，收录其全部 ICU 停留数据，表结构与全库 v1.4 完全一致（26 张关系表），但 NOTEEVENTS 表全部行被移除（因此分发为 25 个 RFC 4180 CSV 或一个 PostgreSQL 9.5 备份）。它的官方使命有三：让研究者在启动数周的授权流程前评估全库适配性；为临床数据仓库教学提供真实数据的零摩擦入口；为 mimic-code 建库脚本提供轻量测试场。与全库最大的两个区别：访问完全开放（无 credentialing、无 DUA，许可为 ODbL 1.0 而非受控 1.5.0）；抽样设计使 100 名患者全部携带死亡日期（官方明示的选样特征）。它是无数临床信息学课程（含 MIT 自家 HST-953）与自学者的第一站。

§1.2 战略价值

合规摩擦的"零点校准"：全库授权链（账号→CITI→DUA→审批）约 1-2 周日历时间——demo 让团队在这条链上排队的同时并行开发，管线代码在 demo 上验证就绪，授权到达即切换数据源。这是它对工程团队最大的隐性价值：把等待变成并行。
教学完整性：schema 与全库逐列一致——学生写的每个 SQL、每个视图、每个坑（itemid 双码、anchor age）在 demo 上学到后在全库原样适用。教学迁移成本为零。
生态粘合剂：SQLite 路径、Kaggle 镜像、OMOP demo（100 患者）、HST-953 课程、2018 IEEE BHI-BSN 挑战赛——demo 是整个 MIMIC 生态中"入口密度"最高的资产，大量研究者与它第一次接触后才走向全库。
开放许可的对照实验：同为患者级去标识数据，全库走受控 DUA、demo 走 ODbL 开放——这个对照本身就是"数据开放光谱"的教学案例：同一数据源、不同敏感度评估、两种治理选择。
AI 时代的"验证资产"新角色：模型/Agent/工具链的每个版本都在 demo 上过一遍冒烟测试——它成了临床数据工具链的"回归测试基准"，这是发布之初没人预料到的第二生命。

§1.3 同类教学资源横向对比

资源	规模	数据真实性	访问	适合场景
MIMIC-III Demo（本条）	100 患者全停留	真实 ICU 数据	免注册	SQL/关系建模/管线测试
MIMIC-IV OMOP Demo	100 患者	真实（OMOP CDM v5.4 格式）	免注册	OMOP 标准入门
MIMIC-II Demo（历史）	4,000 患者+可启动镜像	真实	已随 MIMIC-II 下架	—
合成 EHR（Synthea 等）	可无限生成	合成（分布仿真）	全开放	大规模流水线演练
eICU 教学子集	无官方子集	—	需授权	—

对比结论：demo 的不可替代性在"真实数据+全库同构 schema+零访问摩擦"三者的交集——合成数据无真实性，全库无低摩擦，其他真实子集无官方同构保证。

§1.4 版本时间轴

节点	时间	要点
MIMIC-II Demo 时代	~2011	4,000 患者子集 + Ubuntu 可启动 USB 镜像（含预装 PostgreSQL 与示例）
MIMIC-III v1.0 发布	2015-08-25	主库上线，credentialing 生效
Demo v1.4 发布	随主库 2016-09	100 患者+去 noteevents；引用格式 2019（Johnson, Pollard & Mark）
教学规模化	2017-2019	MIT HST-953 采用；2018 IEEE BHI-BSN 挑战赛官方热身数据
镜像扩散	2020s	Kaggle/GitLab 镜像；MIMIC-IV OMOP Demo 延续 100 患者传统
当前状态	2026	冻结于 v1.4（跟随主库终版）；稳定运行十年+

§1.5 应用场景矩阵

场景	推荐度	说明
SQL/关系数据库教学	★★★★★	官方首选用途；HST-953 教案公开可循
mimic-code 建库脚本测试	★★★★★	建库脚本在 demo 上跑通即基本就绪（除 noteevents 路径）
全库授权前评估	★★★★★	官方使命之一：判断 schema 是否适合你的研究问题
团队开发环境/CI 流水线	★★★★	体积小、无合规数据风险（CI 环境不宜放受控数据）
数据可视化课程	★★★	真实 ICU 数据的图表练习；样本小注意噪声
死亡率/生存分析教学	★（警告）	抽样偏差使其系统性无效（§2.3）
临床 NLP 教学	★（不可用）	noteevents 已移除，无文本可学
与 benchmark 数字对比	★（禁止）	100 人与 33,798 人队列无任何可比性

§1.6 组件全景

25 个 CSV 文件：与全库 26 表一一对应，唯 NOTEEVENTS 缺席（官方文档有时表述为"空表保留在 schema 中、数据行全删"——以备份文件版为准，CSV 版直接少一个文件）。
1 个 PostgreSQL 备份：Postgres 9.5 格式单一文件，pg_restore 一键还原——比 CSV 路径更快但依赖版本兼容性（新版 PostgreSQL 兼容 9.5 备份一般无碍，报错时改走 CSV）。
schema 资产：mimic-code 的建表/约束脚本直接适用于 demo（表名/列名/类型完全一致）——这是"管线测试场"定位的技术基础。
无波形、无文本：demo 只含临床表结构数据；波形（Waveform）与文本（noteevents）都不在 demo 生态内。
体积构成：chartevents 子集占大头（长表本性），字典表/患者表均为 KB 级——"一张表就是一个小宇宙"的结构性比例关系与全库一致。

§1.7 抽样设计速记

官方 Methods 三句话拆解：①"selected randomly from the subset of patients in the dataset who eventually die"——抽样框是"最终死亡者"，不是全体患者；②"all patients will have a date of death (DOD)“——patients 表的 dod 列 100% 非空；③"However, patients do not necessarily die during an individual hospital admission or ICU stay”——有死亡日期≠死在院内/ICU 内，hospital_expire_flag 仍有 0/1 分布。三个推论：做"谁会死"的预测教学可行（结局仍有变异）；做"死亡率是多少"的估计无效（分母被截断）；做"死亡时间分布"无效（抽样框偏移）。

§1.8 访问方式速记

打开 PhysioNet 条目页 → Files 区直接下载（无需登录——与全库页面的 credentialing 门禁形成最直观对比）。
二选一：25 个 CSV（推荐，与全库流程一致）或 Postgres 9.5 备份（快）。
SQLite 路线（官方推荐给轻量用户）：CSV → SQLite 单文件 → DB Browser for SQLite 可视化浏览。
验证下载完整性：SELECT COUNT(DISTINCT subject_id) FROM patients; 应得 100。

§1.9 独特视角：真实数据的"低风险练车场"

医疗数据工程的悖论：真实数据（有噪声、有双码、有时间偏移）才能练出真功夫，但真实患者数据有合规重量——环境越真实、数据越难拿到手。MIMIC-III Demo 的巧思在于把"真实度"与"敏感度"解耦：数据完全真实（含真实噪声结构），但因体量小+去文本+开放许可而敏感度极低。它因此可以出现在任何环境——课堂投影、CI 服务器、公开 notebook——而不需要任何合规基础设施。这个设计模式（真实微缩子集作为生态入口）已被 MIMIC-IV OMOP Demo 延续，值得每个医疗数据团队借鉴。

§1.10 三类用户画像

学生/自学者：“我想进临床数据领域但还没有授权”——demo 给出零成本起点；路径：§5.2 一周路线 → 申请全库。
团队负责人：“授权在办，团队不能干等”——demo 让管线开发与合规审批并行；路径：§4.6 切换协议。
课程设计者：“需要真实数据但课堂环境不能有合规负担”——demo 的 ODbL 允许把数据本体放进公开仓库；路径：§7.4 资产清单。
隐性第四类：评审者/审稿人——看到"MIMIC-III Demo"出现在实证论文数据段时，应直接视为红旗（§6.5 坑点 1）；本条目是它的"审稿人手册"。

§2 医学与科学背景

§2.1 为什么 ICU 数据适合教学

ICU 是"数据形态全谱系"的浓缩场景：时序（每小时的体征流）、事件（给药/操作）、编码（ICD-9/CPT）、层级（患者→住院→停留三级主键）、缺失模式（病情越重记录越密）。一个 ICU 数据库能同时教关系建模、时序处理、概念字典、隐私工程四门课——这是 MIMIC 系列被广泛用于教学的结构性原因，而 demo 把这个教学价值放进了免授权射程。

§2.2 与全库的 schema 同构性

"逐列一致"意味着全库条目（490）里的一切结构性知识原样适用：26 表四层架构、三级主键树、d_items 字典、itemid 双系统（CareVue 211/MetaVision 220045 的心率对照在 demo 里真实存在——100 人中两系统患者都抽到了）。教学含义：不要为 demo 编写"简化版"SQL——直接用全库口径写，练到的就是能迁移的。

§2.3 死亡抽样的统计学语义

这是 demo 最需要被正确理解的属性。设全库"最终死亡比例"为 p（约四成成人患者在随访窗口内死亡），demo 从这个子集抽 100 人——因此：①demo 内"最终死亡比例"=100%（常数，无信息量）；②demo 内"院内死亡比例"仍有一定变异（因为部分最终死亡者的本次住院未死在院）——但它不能外推到全库的 11.5% 院内死亡率；③任何以"存活到出院"为分母的指标都被抽样框扭曲。教学上的正确用法：把"识别这个设计偏差"本身作为第一课的思考题——历史上不止一个团队在 demo 上"跑通"了死亡率模型然后把方法直接搬到全库，纠正这类迁移错误的成本远高于一开始就理解抽样框。

§2.4 noteevents 移除的连锁语义

移除文本的三个技术理由（隐私敏感性更高的自由文本、体积占比大、PHI 清洗管线复杂）与三个教学后果（NLP 教学不适用；noteevents 相关的 mimic-code 脚本无法在 demo 测试；“表+文"联合分析课程需全库）。工程上的替代方案：需要文本教学时用 MIMIC-IV-Note 的公开示例、合成临床文本或申请全库——demo 的定位就是"结构化侧的第一课”。

§2.5 ODbL 1.0 的许可语义

demo 与全库许可不同（ODbL 1.0 vs Credentialed 1.5.0），三个实践语义：①署名（Attribution）：任何使用需按官方引用格式标注（Johnson, Pollard & Mark 2019 + DOI 10.13026/C2HM2Q）；②同方式共享（Share-Alike）：再分发 demo 本体或制作"数据库级"衍生（如重新导出的表集合）需沿用 ODbL——但模型权重/统计汇总通常不构成"衍生数据库"（与 ODbL 的数据库定义边界有关，发布时说明数据来源与许可即可）；③开放不等于无伦理：去标识的义务仍在（禁止试图从 100 人小子集做重识别——小样本反而提高拼接外部信息的理论风险）。Kaggle/GitLab 镜像的存在说明官方接受这种再分发（GitLab 镜像页明确标注 ODbL 1.0）。

§2.6 教学法证据：HST-953 的课程设计

MIT 自家的 HST-953（LCP 官方课程）用 demo 教完整研究流：PostgreSQL/PgAdmin 安装 → 建库 → 一个"呼吸衰竭患者动脉导管与死亡率"的简化观察性研究（选题致敬经典论文，数据用 demo 的结构化侧）。课程设计的三点可复制经验：①研究问题先行——学生带着临床问题学 SQL，而非"学完 SQL 再找问题"；②每步有验证查询（如建库后先跑 subject_id 计数）；③版本管理工具（Git）从一开始就引入——数据工程和代码工程一起教。自学者可直接复用其公开 workshop 材料（lcp.mit.edu）。

§2.7 三级主键的教学教义

patients→admissions→icustays 的三级树是整个 MIMIC 教学的"第一性原理"。demo 上的标准教法：先让学生找出"一个 subject_id 对应多行 admissions"的实例（§4.4 查询 2），再找出"一个 hadm_id 对应多个 icustay_id"的实例——亲眼看过后，"患者≠住院≠停留"才从口号变成直觉。三个进阶辨析：①为什么 icustays 可以为 0（住院未进 ICU）；②为什么 noteevents 的 hadm_id 可空（但 demo 里表都没了，此题留给全库）；③为什么"首住"是社区默认队列单位（复入院者的结局相关性）。

§2.8 数据治理光谱的教学价值

把 MIMIC 家族的许可阶梯排成光谱：开放无门槛（demo，ODbL）→ 受控但快（eICU 类，Credentialed）→ 受控且慢（MIMIC 全库，CITI+DUA+审批）→ 合作申请制（AmsterdamUMCdb 类）→ 封闭（绝大多数医院内部数据）。demo 是光谱最左端唯一的患者级真实数据点，这个位置让它成为讲"为什么医疗数据不能全开放"的最佳教具——学生先体验零摩擦的爽感，再对比全库门禁，最后讨论两端的合理性：敏感度评估不是官僚主义，而是粒度/规模/模态（文本>数值）的函数。

§2.9 真实数据教学的认知逻辑

为什么"真实但小"胜过"合成但大"？三个认知理由：①噪声素养——合成数据的错误是"安排好的"，真实数据的错误（单位混乱、双码、时序倒置）是"野生"的；在 demo 上见过野生的错，才会在全库上认得出来。②叙事锚点——真实患者（哪怕去标识）的旅程有叙事完整性，学生的动机与记忆深度都更高；③错误成本为零的试错——真实数据+无真实后果的组合极为罕见，demo 恰好是这个交集。这也是"教学数据集"作为独立资产类别的存在理由：教学数据 ≠ 小号研究数据，它是刻意设计的认知工具。

§2.10 历史位置：从 4,000 人到 100 人的演变语义

MIMIC-II 时代的 demo 是 4,000 患者子集 + 可启动 USB 镜像（预装 Ubuntu+PostgreSQL+示例查询）——那个年代"帮研究者绕开环境配置"是主要痛点。到 MIMIC-III，demo 收缩为 100 人 + 去 noteevents——收缩不是功能退化而是定位再校准：①环境配置问题已被云笔记本/成熟安装包解决；②"评估全库适配性"需要的是 schema 全貌而非统计功效；③更小的体量才配得上"零合规负担"（可进公开仓库/课堂投影）。演变揭示的原理：教学子集的规模由其使命决定——使命从"小型研究环境"变成"入口试衣间"，规模就服从使命。MIMIC-IV OMOP Demo 沿用 100 人，验证了这一定位的稳定性。

§2.11 "去标识化但不低敏"的合规哲学

demo 的存在回答了一个常见误解：“去标识化了为什么还要授权？”——去标识化降低的是重识别概率，不改变数据敏感性的性质判断；授权制度承载的是"使用目的约束+责任传递+生态治理"。demo 之所以可以豁免门禁，是"体量小+无文本+教学用途"的组合把残余风险压到了可接受区间——这是风险工程而非"去标识=自由"的逻辑。教给学生的版本：隐私保护是概率工程（去标识化）+治理工程（许可/授权）+行为规范（使用纪律）的三层体系，任何一层都不能单独成立。

§3 数据集规格

§3.1 规格总表

维度	规格
全称	MIMIC-III Clinical Database Demo
版本	v1.4（跟随主库终版，不再更新）
患者数	100（全库真实患者，抽自"最终死亡"子集）
停留覆盖	100 名患者的全部 ICU 停留
表结构	与全库 26 表一致；NOTEEVENTS 移除（25 CSV）
分发	25 个 RFC 4180 CSV / 单个 PostgreSQL 9.5 备份
体积	MB 级（数十 MB；全库压缩包的约 0.2% 量级）
访问	Open Access：免账号/免 CITI/免 DUA/免审批
许可	ODbL 1.0（署名+同方式共享）
DOI	10.13026/C2HM2Q
数据时段	2001-2012（继承主库，患者分散于全时段）
双系统	CareVue/MetaVision 患者均有（双码教学场景真实存在）
IRB	BIDMC+MIT 批准，知情同意豁免
资助	NIH-R01-EB017205 / R01-EB001659 / R01-GM104987

§3.2 发布口径地图

demo 的数字口径极简单，但有三处易错：

“100 patients”：唯一权威数字——是"患者数"不是"住院数"也不是"停留数"（每患者可能多次住院/多次停留）。
"26 tables"与"25 CSV"并存：schema 是 26 表（与全库同构），CSV 分发是 25 个文件（noteevents 无数据行不单独成文件）——两句话都对，说的是不同对象。
“all ICU stays”：停留是全量收录（无抽样截断）——抽样只发生在患者层，患者内部数据完整。这使"单患者纵向完整性"教学可行。

§3.3 DAIMS 数据AI就绪度评估

维度	评分	说明
机器可读性	9/10	与全库同构（9.5/10 的 schema）；扣分于无官方 API，仅文件分发
文档完备性	9/10	文档与全库共享（mimic.physionet.org），另加官方课程教案
数据质量	6.5/10	继承全库真实噪声（转录误差/单位陷阱）；100 人下噪声更刺眼——恰是教学价值
语义标准化	6/10	同全库（ICD-9 老化、私有字典）
时间语义	5.5/10	同全库（date shift/EST）；无特殊问题
可复现性	9/10	任何人可复跑任何教程——开放访问带来的独特优势
合规摩擦	0.5/10	免授权即用；仅存 ODbL 署名义务
综合	7.4/10	作为教学/开发资产近乎满分；作为研究数据集刻意不设高分（样本量与偏差）

§3.4 存储与计算需求

磁盘：<100 MB（CSV 解压后）——任何笔记本、CI 容器、Colab 免费档都轻松容纳。
导入：CSV 全量导入 PostgreSQL 约 1-2 分钟（全库需数小时）——"咖啡凉之前跑完五遍"的教学节奏。
内存：任何现代设备；SQLite 路径甚至不需要数据库服务器。
CI 集成：无 PHI 重负+免授权使其可以进公开代码仓库的测试流程（受控全库数据绝不能这样用）——团队 pipeline 的标准做法：demo 上跑单元测试，全库上跑集成验证。

§3.5 获取通道

通道	说明	适合
PhysioNet 官方页	Files 区直下（25 CSV 或 Postgres 备份）	首选（权威+最新校验）
Kaggle 镜像	mimic-iii-clinical-database-demo-1-4	顺手进 Kaggle notebook
GitLab 镜像	hands-on-healthcare-data（标注 ODbL 1.0）	官方站不可达时的稳定备份
HST-953 课程包	课程页指引的下载路径+教案	跟课学习者

§3.6 口径对齐表

想回答的问题	答案
多少患者？	100
多少表？	26 表 schema / 25 个有数据的 CSV
能做死亡率研究吗？	不能（抽样框=最终死亡者）
能做死亡预测教学吗？	能（结局有变异），但不可外推结论
文本在哪？	不存在（noteevents 移除）
要授权吗？	不要（Open Access + ODbL 1.0）
和全库 schema 有差异吗？	无（逐列一致，唯 noteevents 空置）

§3.7 版本选择纪律

demo 无独立版本线——版本号永远跟随主库（当前唯一版本 v1.4）；遇到标"v1.2/v1.3"的第三方镜像即为过时存档。
release notes 不单独发布——主库 v1.4 的修复清单（#60/#88/#186 等）原样适用于 demo。
引用纪律：官方要求引用为 Johnson, A., Pollard, T., & Mark, R. (2019). MIMIC-III Clinical Database Demo (version 1.4). PhysioNet. DOI 10.13026/C2HM2Q——注意年份是 2019（引用格式发布年）而非 2016（数据年份）。

§3.8 与主库的差异清单

差异点	主库（490 条）	Demo（本条）
患者数	46,520（成人 38,597）	100（全库真实子集）
访问	Credentialed（CITI+DUA）	Open（免一切门禁）
许可	Credentialed Health Data License 1.5.0	ODbL 1.0
noteevents	2,083,180 行	0 行（移除）
AWS S3	mimic-iii-physionet（ARN 授权）	无独立 S3（网页直下）
体积	~47 GB 导入后	<100 MB
死亡抽样	自然人群构成	最终死亡子集（偏差）
benchmark	官方四任务	不适用

§3.9 案例质量分层画像（教学视角）

分层	教学价值
多次住院患者	教"患者≠住院≠停留"三级树的最好案例
双系统跨界患者	itemid 双码查询的真实演练（100 人中两系统均被抽中）
超短停留案例	教"为什么要过滤 ≥12h"的反面教材
有 DOD 但院内存活	教"最终死亡≠院内死亡"口径差异的核心案例
稀有概念行	教"低频 itemid 该不该并入其他类"的字典治理题

§3.10 RFC 4180 陷阱解剖（官方示例逐字节）

官方给了一个精确的转义示例：文本 she said "the patient was notified at 6pm" 存入 CSV 后是 "she said ""the patient was notified at 6pm"""——首尾双引号包裹（因内容含引号）、内部双引号双写转义。教学要点：①pandas/read_csv 与 PostgreSQL COPY 默认遵循 RFC 4180，"自写解析器"是一切 CSV 惨案的根源；②为什么这个知识点在 MIMIC 特别重要——临床文本（即便 demo 移除了 noteevents，chartevents 的 Text 型值、出院科室备注等）天然高引号密度；③demo 体积小到可以用文本编辑器打开原始文件亲眼看到转义——全库上没人会这么干，但理解必须在某个时刻发生。

§4 数据结构

§4.1 对象模型

与全库完全一致的三级树（详见主库条目 §4.1）：patients(100) → admissions(数倍于 100) → icustays；事实层（chartevents/labevents/inputevents_*）挂在 icustay/hadm 之下。demo 的 100 人规模让你能"肉眼"遍历整棵树——这是全库（3.98 亿行）永远给不了的体感。

§4.2 PostgreSQL 导入（教学版）

# 建库（本地 PostgreSQL 任意较新版本）
createdb mimiciii_demo
# 路线 A：官方 Postgres 备份一键还原（最快）
pg_restore -d mimiciii_demo mimiciii-demo-1.4.backup
# 路线 B：CSV 路线（与全库流程一致，教学推荐）
git clone https://github.com/MIT-LCP/mimic-code.git
psql -d mimiciii_demo -f mimic-code/mimic-iii/buildmimic/postgres/1.4/create_tables.sql
# 编辑 load 脚本指向 demo 的 25 个 CSV 后执行（约 1-2 分钟）
psql -d mimiciii_demo -f mimic-code/mimic-iii/buildmimic/postgres/1.4/add_constraints.sql
# 验证
psql -d mimiciii_demo -c "SELECT COUNT(DISTINCT subject_id) FROM patients;"  # 应为 100

§4.3 SQLite 轻量路线（官方推荐）

import pandas as pd, sqlite3

# 25 个 CSV 直接入 SQLite 单文件
con = sqlite3.connect("mimiciii_demo.db")
for tbl in ["PATIENTS", "ADMISSIONS", "ICUSTAYS", "CHARTEVENTS", "LABEVENTS"]:
    df = pd.read_csv(f"{tbl}.csv.gz", low_memory=False)
    df.to_sql(tbl.lower(), con, if_exists="replace", index=False)

# DB Browser for SQLite 可视化打开 mimiciii_demo.db 即可点选浏览
print(pd.read_sql("SELECT COUNT(DISTINCT subject_id) FROM patients", con))

适用边界：交互探索/课堂教学极合适；CHARTEVENTS 在 demo 内也仅数百万行级（100 人的量），SQLite 毫无压力——但不要把这条路径的经验直接外推到全库（3.31 亿行的 chartevents 上 SQLite 不再合适，回到 PostgreSQL/DuckDB）。

§4.4 教学验证查询集（第一课作业）

-- 1. 患者数与性别构成
SELECT gender, COUNT(*) FROM patients GROUP BY gender;
-- 2. 每患者住院数分布（理解"患者≠住院"）
SELECT n_hadm, COUNT(*) AS n_patients FROM (
  SELECT subject_id, COUNT(*) AS n_hadm FROM admissions GROUP BY subject_id
) t GROUP BY n_hadm ORDER BY n_hadm;
-- 3. DOD 全员非空（抽样设计的直接证据）
SELECT COUNT(*) AS total,
       SUM(CASE WHEN dod IS NOT NULL THEN 1 ELSE 0 END) AS with_dod
FROM patients;                      -- with_dod 应等于 total（=100）
-- 4. 院内死亡仍有变异（口径分层的关键）
SELECT hospital_expire_flag, COUNT(*) FROM admissions GROUP BY hospital_expire_flag;
-- 5. 双系统占比（itemid 双码教学的现实基础）
SELECT dbsource, COUNT(*) FROM icustays GROUP BY dbsource;

这五条查询合起来就是 demo 的"自我介绍"——第一课让学生跑完并解读每一行的含义。

§4.5 常见教学事故与修复

事故	症状	修复
Postgres 备份版本不兼容	pg_restore 报版本错	改走 CSV 路线（通用性最强）
CSV 引号转义困惑	"双引号里套双引号"字段读错位	按 RFC 4180 解析（pandas 默认正确；自写解析器是错误源头）
忘记 noteevents 不存在	脚本引用 NOTEEVENTS 报表不存在	25 表清单里删掉该表或建空表占位
用全库脚本跑 demo 报错	mimic-code 部分脚本依赖 noteevents	检查脚本的数据集参数；文本相关脚本跳过
把 demo 数字写进论文	“我们的 MIMIC-III 有 100 人”	分清教学数据与全库——论文必须用授权后的全库

§4.6 与全库管线的切换协议

demo 上开发、全库上生产的标准切换清单：

配置外置：数据路径/库名/凭据全部进配置文件——代码零修改切换。
行数断言：切换后先跑"行数验证"（全库 chartevents=330,712,483；demo=各自实测）——断言不过不往下走。
性能预案：demo 上秒级的查询在全库可能小时级——为每个查询写 EXPLAIN 计划与超时策略。
合规开关：全库数据出现后，导出/日志/打印语句全部检查（患者数据不能进日志）——demo 时代养成的 print 习惯要系统性清理。
统计重审：demo 上"能跑通"的统计方法在全库上重审功效与偏差（样本量变化会暴露新问题）。

§4.7 数据血缘

MIMIC-III v1.4（全库，Credentialed）
        │ 手动精选：从"最终死亡"患者子集随机抽 100 人
        │ 移除 NOTEEVENTS 全部行
        ▼
MIMIC-III Demo v1.4（Open Access，ODbL 1.0）
        │
        ├──► 官方课程（MIT HST-953）与公开教案
        ├──► 2018 IEEE BHI-BSN Data Challenge 热身
        ├──► Kaggle / GitLab 社区镜像
        └──► 教学生态辐射：MIMIC-IV OMOP Demo（100 患者传统延续）

§4.8 完整性清单

[x] 100 患者、全部 ICU 停留收录（患者内数据完整）
[x] schema 与 v1.4 全库逐列一致
[x] 官方文档页 + 课程教案双轨可学
[ ] 无文本（noteevents 移除）——文本教学需另寻数据
[ ] 死亡抽样偏差——全库口径的统计结论在此无效
[ ] 版本冻结（跟随主库终版，无后续更新）

§4.9 d_items 字典探索（实战）

d_items 是 chartevents 的"概念地图"，demo 上探索它的标准练习：

-- 概念分布总览：数值型 vs 文本型 vs 分类型
SELECT dbsource, param_type, COUNT(*) AS n_concepts
FROM d_items GROUP BY dbsource, param_type ORDER BY dbsource, n_concepts DESC;

-- 找心率：label 模糊检索（体会"同一概念多个 label"的字典治理问题）
SELECT itemid, label, dbsource, linksto FROM d_items
WHERE label ILIKE '%heart rate%' OR label ILIKE '%hr%';

-- 概念→数据量：demo 的 chartevents 里哪些概念最高频
SELECT di.label, di.dbsource, COUNT(*) AS n_rows
FROM chartevents ce JOIN d_items di USING (itemid)
GROUP BY di.label, di.dbsource ORDER BY n_rows DESC LIMIT 15;

教学发现：①同一临床概念在字典里有多个 label 变体（“Heart Rate”/“HR”/“Heart Rate (bps)”）——数据清洗的第一课；②CareVue 与 MetaVision 的概念集不同（dbsource 列）；③高频概念就是"监护仪基本盘"——与全库的分布形态一致，体感可迁移。

§4.10 单停留时序可视化（实战）

import pandas as pd, matplotlib.pyplot as plt

stay = pd.read_sql("""
  SELECT ce.charttime, di.label, ce.valuenum
  FROM chartevents ce JOIN d_items di USING (itemid)
  WHERE ce.icustay_id = (SELECT icustay_id FROM icustays LIMIT 1)
    AND ce.itemid IN (211, 220045)          -- 心率双码
    AND ce.valuenum IS NOT NULL
""", con, parse_dates=["charttime"])

stay = stay.sort_values("charttime")
plt.figure(figsize=(12, 3))
plt.plot(stay["charttime"], stay["valuenum"], ".", ms=3)
plt.title("One ICU stay: heart rate (itemid 211/220045)")
plt.ylabel("bpm"); plt.show()

# 三个观察作业：①采样间隔均匀吗？②有离群值吗（0 或 300+）？
# ③双码合并后曲线有没有"接缝"？（同一概念两系统记录习惯差异）

这张图是"时序数据第一印象"的教具：采样不均、噪声真实、双码合并的接缝——三节课的内容一张图讲完。

§4.11 合成数据注入练习（进阶）

把"管线正确性"与"统计结论"分离的经典练习：往 demo 里注入已知答案的合成数据再测管线——

-- 注入 5 个合成"完美患者"：体征线性恶化、结局已知
INSERT INTO patients (subject_id, gender, dob, dod)
VALUES (99999901, 'M', '2050-01-01', '2052-06-15');
-- （admissions/icustays/chartevents 各注入配套行，体征按已知公式生成）

用途：①验证死亡预测管线能否在"信号确实存在"的数据上找回答案（管线灵敏度测试）；②教"合成数据金标准"方法（模拟研究 simulation study 的原理）；③警示"合成数据的结论不能写进论文"——练习终点是把合成行 DELETE 干净，这个"清理仪式"本身就是数据治理课。

§5 下游分析协议

§5.1 任务×资源速查表

你要做的	用 demo 吗	说明
学 SQL/关系建模	✅ 首选	最佳入门载体
测 mimic-code 建库脚本	✅ 首选	分钟级反馈回路
搭建 CI/教学环境	✅	免合规负担
死亡预测"方法学"教学	⚠️ 可教可跑	只讲方法不讲结论；不可写"性能数字"
死亡率/生存估计	❌	抽样框无效
临床 NLP	❌	无文本
发表任何实证结论	❌	必须全库（授权后）
benchmark 复现	❌	demo 不含 benchmark 管线所需的口径与规模

§5.2 教学项目骨架：一周入门路线

天	内容	产出
Day 1	下载+建库（§4.2/4.3）+验证查询集（§4.4）	100 患者库就绪+五问解读
Day 2	三级树探索：写 5 个跨表 JOIN（admissions↔icustays↔chartevents）	"患者旅程"个人报告
Day 3	概念字典实操：d_items 检索心率双码+建第一个视图	可复用 itemid 视图
Day 4	时序初探：某停留 48h 体征序列提取+图表	单患者 ICU 时间线图
Day 5	口径课：DOD/hospital_expire_flag/30 天死亡三种口径计算+讨论为何不能外推	口径对比表
Day 6-7	迷你课题：用 demo 数据回答一个自选临床问题+局限性陈述	结课 notebook

Day 5 的口径课是整个课程的高潮——把"数据能回答什么/不能回答什么"变成肌肉记忆。

§5.3 "死亡预测教学"的正确打开方式

demo 上跑死亡预测是可行的教学（结局有变异），但必须立三块警示牌：①训练/评估在 100 人上——交叉验证的 CI 宽到只能演示流程，任何 AUROC 数字都是玩具数字；②抽样框声明——开头写明"数据抽自最终死亡人群，本练习不估计任何人群死亡率"；③全库迁移预告——课程结尾给出"同一管线在授权全库上重跑"的路线图（数据切分要从头做，因为 demo 的患者集是全库的子集且非随机）。教材里见过最好的表述：“demo 上学的是’怎么做’，不是’结果是多少’”。

§5.4 统计练习的替代设计

想教统计推断又不能做人群估计？三个合法替代：①描述性自省——描述 demo 自身（"这 100 人里院内死亡占比 x%“是事实陈述，不是人群估计，标清范围即可）；②重抽样教学——bootstrap 在 100 人上的原理演示（重点看 CI 有多宽，体会"样本量决定说话底气”）；③方法验证——把已知答案的模拟数据混入 demo schema（合成 gold standard），教"管线正确性"与"统计结论"的区别。三个替代共同传达：工具能力≠人群结论。

§5.5 方法学段落骨架（教学材料适用）

教学演示使用 MIMIC-III Clinical Database Demo v1.4（DOI 10.13026/C2HM2Q；ODbL 1.0 开放访问）。该子集含 100 名患者（官方抽样框为"最终死亡"人群）的全部 ICU 停留，schema 与 MIMIC-III v1.4 全库一致，NOTEEVENTS 移除。本文所有演示仅用于方法学教学与管线验证；受样本量与抽样设计限制，任何统计量均不外推至 ICU 总体，死亡率/生存类人群结论须在全库（Credentialed Access，DOI 10.13026/C2XW26）上另行验证。

§5.6 SQL 视图层工程（全库预演）

把 §4.4/4.9 的散装查询升级为项目级视图——这是 mimic-code concepts 的设计思想预演：

-- 视图 1：心率（双码统一）
CREATE VIEW v_heart_rate AS
SELECT ce.icustay_id, ce.charttime, ce.valuenum
FROM chartevents ce
WHERE ce.itemid IN (211, 220045) AND ce.valuenum IS NOT NULL
  AND ce.valuenum BETWEEN 0 AND 300;

-- 视图 2：成人首次停留队列（§4.4 验证查询的工程化）
CREATE VIEW v_first_stay_adult AS
SELECT i.*, ROW_NUMBER() OVER (PARTITION BY i.subject_id ORDER BY i.intime) AS rn
FROM icustays i
JOIN admissions a ON i.hadm_id = a.hadm_id
JOIN patients  p ON i.subject_id = p.subject_id
WHERE ROUND((EXTRACT(EPOCH FROM (i.intime - p.dob))/86400.0/365.25)) >= 16;

-- 全库迁移时：视图定义原样带走，底层表名/行数自动适配——这就是 schema 同构的红利

教学要点：视图是"概念"与"数据"的解耦层——demo 上建好的视图库，全库上原样可用（性能需重审）。学生完成这步后，实际上已经会读 mimic-code 的 concepts 目录了。

§5.7 从 notebook 到管线的工程化练习

demo 上的最后一课：把 notebook 重构为可测试的管线骨架——

mini-pipeline/
├── config.yaml          # 数据路径/库名/参数（§4.6 切换协议的基础）
├── extract.py           # SQL 视图调用 → 宽表
├── features.py          # 特征计算（纯函数）
├── evaluate.py          # 指标（纯函数）
├── tests/
│   ├── test_rowcount.py # 行数断言（demo 值 vs 配置选择）
│   └── test_features.py # 合成输入→已知输出
└── Makefile             # make test / make run

训练点：①纯函数化（features/evaluate 无 IO，单测无忧）；②配置外置（切换全库时改 config 不改代码）；③行数断言文化（数据完整性第一道闸）。完成此课的学生面对任何"工业级"临床数据管线都不再陌生。

§5.8 结课考核题库样例

题型	样例	考察
概念辨析	"该患者 83 岁死于 ICU"这句话里隐含了哪三个口径假设？	三级树+死亡口径
SQL 实操	写出"全部患者首次停留时长分布"查询并解释过滤条件	队列构建
数据诊断	给出一段错误输出（年龄-3 岁），定位病因并修复	anchor age
设计题	为"再入院教学练习"设计切分方案，说明防泄漏理由	按患者分组切分
伦理判断	同学想把 demo 数据上传某在线 SQL 平台做作业，合规吗？取决于什么？	许可光谱

§3.11 下载校验清单

下载后五分钟完成的健康检查：①文件数——CSV 路线应为 25 个；②patients 表 100 行；③dod 非空 100%（抽样设计验证）；④icustays 的 dbsource 双值（carevue/metavision 都出现）；⑤chartevents 可查且 valuenum 有非空（管线贯通验证）。五项全绿才开始教学/开发——这五条本身可作为学生的"第一份作业"。

§3.12 常见下载与解压问题

症状	原因	处置
压缩包解压报错	下载不完整（浏览器中断）	校验文件大小后重下；用 wget/curl 断点续传
CSV 打开乱码	用了 Excel 双击打开（编码/长数字变科学计数法）	文本编辑器/pandas；subject_id 永远当字符串看
行数与文档不符	混用了第三方旧镜像	回官方源，按 §3.11 校验
找不到 noteevents 文件	正常——官方就不分发	25 表清单（§3.8）

§4.12 d_labitems 与实验室数据（实战）

-- 实验室字典：753 个项目的全库规模在 demo 里的分布
SELECT di.label, di.fluid, COUNT(*) AS n_rows
FROM labevents le JOIN d_labitems di USING (itemid)
GROUP BY di.label, di.fluid ORDER BY n_rows DESC LIMIT 10;

-- 异常标记的使用：flag 列（abnormal）是"参考区间"的替代物
SELECT di.label, le.flag, COUNT(*)
FROM labevents le JOIN d_labitems di USING (itemid)
WHERE di.label ILIKE '%potassium%'
GROUP BY di.label, le.flag;

教学要点：①demo 的 labevents 覆盖 d_labitems 中的多数项目——"临床检验基本盘"可完整教学；②fluid 列（Blood/Urine 等）是标本类型——“同一个项目不同标本"是检验数据的第一坑；③flag 列教"结算侧的异常标记≠临床危急值”。

§5.9 教学反馈闭环

课程迭代的三个反馈源：①口径题正确率——死亡三口径辨析题的错题分布直接指示哪层概念没讲透；②错误报告频次——学生撞坑（如 RFC 4180/anchor age）的频次是"坑点清单"排序的实证依据；③迁移追踪——学生进入全库后的问题类型变化（demo 阶段问题多为环境类，全库阶段转为口径/性能类——这个迁移本身就是教学成功的证据）。把反馈写回教案——demo 的十年生命力正是这种社区级迭代累积。

§5.10 三个自查项目（毕业设计级）

完成一周路线后，任选其一作为结业项目（预计 2-4 小时/项）：

“一个停留的病历报告”：随机抽一个 ICU 停留，用 SQL+图完整还原其 48 小时（体征曲线/用药时间线/检验异常），写成带局限声明的一页报告——考"纵向数据叙事"。
“口径侦探”：找出并解释 demo 中三个"有 DOD 但院内存活"的案例，画出抽样框决策树——考"偏差敏感性"。
“视图库发布”：把你的心率/血压/血氧视图+anchor age 函数+验证查询打包成可复用的 SQL 仓库（README 含迁移全库指南）——考"工程化与文档"。

评分标准统一三条：技术正确、口径清晰、局限诚实——第三条权重最高，呼应本条目的核心命题。

§6 实证结果与方法学分析

§6.1 规模实证：100 人的"体感密度"

demo 的教学价值来自"可遍历性"：全库 chartevents 3.31 亿行永远只能采样观察，demo 的 chartevents 仅为百万行级——学生可以 SELECT * ... LIMIT 100 逐行读数据、可以画出某个停留的完整体征曲线、可以验证一条 SQL 影响"全部"数据。这种"我能看到整个数据库"的体感是学习曲线的加速器：先在 demo 上建立"数据长什么样"的直觉，再面对全库时把直觉交给 SQL 的规模外推。教学实证上，这正是 HST-953 把它选为课程载体的原因。

§6.2 教学管线实证：从 demo 到全库的迁移成功率

社区经验（mimic-code issue 区与论坛的可见模式）归纳出迁移成功率的分界：纯 SQL/建库类管线在 demo 上验证后迁移全库成功率极高（schema 同构，唯一变量是性能）；统计/建模类管线迁移后需要重做设计（样本量、功效、偏差结构全变）；文本类管线无法在 demo 验证（无数据，迁移即首跑）。给团队的落地建议：把管线拆成"结构正确性"（demo 负责）与"统计正确性"（全库负责）两级验证，各验各的，别让 demo 替全库背书，也别让全库的等待阻塞结构开发。

§6.3 抽样偏差的量化直觉

把官方抽样设计翻译成对比数字：全库成人患者中"最终死亡"比例约为四成量级（随访窗口内），demo 把这个比例固定为 100%——意味着任何"全人群"分母的指标在 demo 上偏移 2.5 倍量级（100% vs ~40%）。而"院内死亡"（hospital_expire_flag）在 demo 内仍有 0/1 变异（官方明确"患者不一定死于该次住院"），但其分布中心系统性高于全库的 11.5%。两个偏差叠加的教学结论：demo 是"死亡过采样"的镜像世界——在里面学游泳可以，量水温不行。

§6.4 许可双轨的实证对照

同为 MIMIC-III 数据，demo（ODbL 1.0，开放）与全库（Credentialed 1.5.0，受控）构成一组天然的"开放光谱"对照。差异不在数据本体（同样的患者、同样的去标识化、同样的 IRB 覆盖）而在敏感度评估：100 人+去文本的子集被判定为可开放，4.6 万人+全文本的完整库被判定为须受控——这是"数据效用与重识别风险随粒度/规模增长"原理的官方实证。它给数据治理者的启发：敏感度评估是分级产物而非开关，同一数据源可以合法存在多个开放层级。

§6.5 八个真实坑点

坑点 1 把 demo 数字写进论文：“我们使用了 MIMIC-III（100 名患者）”——立刻暴露未授权全库；任何实证结论必须来自授权全库。
坑点 2 死亡率估计无效却照做：忘记抽样框是"最终死亡者"，算出"demo 院内死亡率 30%"并解读为 ICU 特征——分母被截断，数字无人群含义。
坑点 3 把 benchmark 管线跑在 demo 上：benchmark 切分/队列规则面向全库设计，demo 上"跑通"不等于可复现——两者是不同资产。
坑点 4 文本教学撞墙：计划好的 NLP 课程到"读 noteevents"一步报错表不存在——教学设计阶段就该查差异清单（§3.8）。
坑点 5 Postgres 备份版本冲突：老版本备份文件遇新工具链偶发兼容问题——CSV 路线是永不过时的备胎。
坑点 6 引用年份写错：写成"MIMIC-III Demo (2016)"——官方引用格式是 2019（引用格式发布年），DOI 10.13026/C2HM2Q 前务必核对。
坑点 7 以为"免授权=无义务"：ODbL 署名义务+患者隐私伦理仍在——公开 notebook 里堆满患者行级数据截图是合规失分项。
坑点 8 把 SQLite 路线的性能经验外推到全库：demo 上 SQLite 秒开，全库 3.31 亿行上同样做法会撞墙——路径选择跟规模走。

§6.6 审稿人自查清单（教学材料/方法预演适用）

[ ] 明确标注"演示子集"而非"MIMIC-III"（避免读者误读为全库研究）
[ ] 引用官方格式：Johnson, Pollard & Mark (2019) + DOI 10.13026/C2HM2Q
[ ] 抽样设计声明（最终死亡子集、100 人、全员 DOD）
[ ] 局限性段写明"不可估计人群参数"
[ ] 任何与全库/文献数字的并置都要加"不可比"脚注
[ ] 教学产出物（notebook/教案）不留行级患者数据展示（聚合或改写）

§6.7 与 MIMIC 家族的分工治理

在本系列"三视角"治理叙事（记录/信号/流程）之外，demo 代表第四个维度——入口层。家族的分层结构：全库主库（490，记录视角主库）→ 演示子集（本条，入口层）→ 专用标注/风险数据集（493/494）→ 视角支系（486-489）。入口层的设计传统（100 人+去高敏模态+开放许可）在 MIMIC-IV OMOP Demo 延续，证明它是可持续的生态策略：每个受控数据库都值得配一个低摩擦入口。

§6.8 许可与派生语义

ODbL 1.0 三义务：Attribution（官方引用格式）、Share-Alike（数据库级衍生同许可）、Open Database（允许任何用途包括商用——受控库的商用授权问题在 demo 上不存在）。
派生产物分层：notebook/教材/代码 = 自由发布（引用即可）；demo 数据的再分发 = ODbL 兼容（Kaggle/GitLab 镜像即先例）；基于 demo 训练的模型权重 = 通常不视为衍生数据库，但规范做法是声明数据来源与许可。
交叉合规警示：demo 与全库是两份独立许可的数据——用 demo 开发的管线跑全库数据时，产出受全库许可约束（不是 ODbL）。团队要建立"数据源-许可"映射表而非笼统的"我们合规"。

§6.9 口径存照

存照 A（抽样框）：“selected randomly from the subset of patients who eventually die”——官方 Methods 原文；全员 DOD、不必然死于院内是同一段落的官方限定。
存照 B（25 vs 26）：26 表 schema / 25 个有数据 CSV 的并存表述均为官方口径，对象不同。
存照 C（引用年份）：官方引用格式 2019；数据版本号 1.4 跟随主库。
存照 D（许可双轨）：ODbL 1.0（demo）与 Credentialed 1.5.0（全库）并行，各自绑定各自的数据本体。

§6.10 静态数据×活跃生态

demo 数据冻结于 v1.4，但它的生态角色持续增长：官方课程迭代、社区镜像新增、教学博客/notebook 不断产出。它是 MIMIC 家族中"数据最老、入口最新"的成员——十年间无数人的第一行 ICU SQL 都跑在它上面。维护策略：数据不动，文档与教案跟着社区走。

§6.11 生态采用实证

可观察的采用信号：①官方课程背书——MIT LCP 自家的 HST-953 以其为唯一数据载体；②挑战赛官方推荐——2018 IEEE BHI-BSN Data Challenge 明文建议"等全库授权期间先用 demo"；③镜像繁荣——Kaggle（数据竞赛社区）、GitLab（hands-on-healthcare-data 稳定备份）、Linkr（法语区教程生态）等第三方自发镜像与本地化教程；④下一代传承——MIMIC-IV OMOP Demo 沿用 100 患者开放设计。四个信号共同指向：demo 完成了"生态入口"的设计使命，其辐射半径远超 100 人数据本体的表面价值。

§6.12 局限的系统陈述

作为数据资产的四条硬局限（作为教学资产时全部转化为教学素材）：①样本量——100 人无统计功效；②抽样框——最终死亡子集，人群估计无效；③模态缺口——无文本/无波形，多模态教学需另配数据；④时代——2001-2012 数据+ICD-9 编码+冻结版本，反映的是 CareVue/MetaVision 过渡期的诊疗惯例。写教程/做评估时建议原样引用这四条——诚实的局限声明恰是本数据集官方文档的一贯风格。

§6.13 "反脆弱"资产特征

demo 展现了数据资产里少见的反脆弱性：主库世界的每次变化都让它更有用——全库门槛提高（授权链变长），它作为并行开发载体的价值上升；MIMIC-IV 推出，它作为"schema 教学经典"的历史价值上升；LLM 时代到来，它作为评测/Agent 沙盒的价值上升。原因在于它的价值锚定在"结构教学+零摩擦"这两个不随技术周期变化的需求上。给数据资产管理者的启示：识别你资产里的"demo 型资产"（小、稳、真、开放），它们是穿越技术周期的压舱石。

§7 AI 就绪指南与应用场景

§7.1 四种喂法

教学喂法（主用途）：§5.2 一周路线——SQL→视图→时序→口径，真实数据全流程。
CI 喂法：管线单元测试的数据源——每个 PR 在 demo 上验证 schema 假设与查询正确性。
预研喂法：立项前评估"MIMIC-III 有没有我要的字段/粒度"——比读文档快一个量级。
演示喂法：课程/演讲/文档的真实数据示例——无合规负担的"真 ICU 数据"。

§7.2 LLM 辅助教学配方

demo+LLM 是当前教学最活跃的组合：①SQL 助教——学生把 schema 给 LLM 生成候选查询，再人工核验执行结果（demo 上跑错的代价为零，适合放手试）；②schema 问答机——把 26 表 DDL 喂给 LLM 做 RAG，回答"哪个表有给药剂量"类问题；③口径出题器——让 LLM 就 §5.2 Day 5 的三种死亡口径生成辨析题。纪律：LLM 生成的 SQL 必须人工跑通——demo 的价值正是提供了"跑错了也安全"的验证场。

§7.3 团队 onboarding 配方

新成员入职医疗数据团队的两周计划（demo 段）：第 1-3 天建库+验证查询集；第 4-7 天承担一个"迷你课题"（§5.2 Day 6-7）；第 8-10 天读团队真实管线的代码（此时 schema 已熟）；第 11-14 天在正式环境（授权数据）重跑自己的迷你课题。效果：新人第一次接触生产数据时已具备 schema 直觉，把"环境恐惧期"压缩在零风险的 demo 上。

§7.4 课程设计者的资产清单

[ ] PhysioNet 条目页链接（数据+引用格式）
[ ] mimic-code 建库脚本（克隆到课堂仓库）
[ ] HST-953 公开教案（课程结构参考）
[ ] 五条验证查询（§4.4）作为第一课
[ ] 差异清单（§3.8）打印贴墙（防止文本类作业撞墙）
[ ] 结课迁移路线图（全库申请指引）

§7.5 成本与排期模板

阶段	内容	耗时
环境	下载+建库+验证	半天
结构学习	三级树+字典+视图	2-3 天
时序实践	特征提取+可视化	1-2 天
口径课	死亡口径辨析+偏差讨论	1 天
迷你课题	自选问题+局限陈述	2 天

合计约一周——比全库授权等待（1-2 周）还短，这就是"并行开发"策略的时间学基础。

§7.6 泄漏防控专项（教学版）

demo 上教学泄漏防控的三个标准练习：①同一患者两次住院被随机切分到 train/test——让学生亲手复现泄漏并测量虚高；②用 dischtime 派生特征"预测"院内死亡——演示目标泄漏的威力；③用 DOD 特征预测院内死亡——演示"标签近似泄漏"（DOD 与结局高度相关但非同义）。100 人规模让每个实验秒级完成——泄漏教学的最佳载体恰恰是小数据。

§7.7 公平性声明（教学版）

demo 不适合任何公平性结论（100 人分层后每格个位数样本），但适合教公平性概念：让学生计算性别/年龄分层的样本分布，亲眼看到"100 人里某个 65+ 男性亚组只有十几人"——从而理解为什么全库研究的公平性分析需要数万样本。小数据是公平性直觉的显微镜。

§7.8 复现包模板

teaching-pack/
├── README.md            # 版本声明：Demo v1.4 + DOI + 抽样偏差警告
├── data/                # 25 个 CSV（ODbL 1.0，允许再分发）
├── notebooks/
│   ├── 01_setup.ipynb       # 建库+验证查询集
│   ├── 02_joins.ipynb       # 三级树探索
│   ├── 03_dictionary.ipynb  # itemid 字典与视图
│   ├── 04_timeseries.ipynb  # 单停留时序
│   └── 05_calibers.ipynb    # 死亡口径三讲
├── sql/                 # 可复用视图
└── quiz/                # 口径辨析题

demo 的 ODbL 许可允许把数据本体放进公开教学仓库（全库数据这样做即违规）——这是教学包能"开箱即用"的许可基础。

§7.9 消融案例：样本量对教学结论的影响

同一死亡预测教学管线在 100 人（demo）上跑，交叉验证 AUROC 的 CI 宽度可达 ±0.1 量级——同一方法在 benchmark 全量（33,798 患者）上 CI 收窄一个数量级。教学设计：让学生把两个 CI 画在同一张图上（demo 实测+全库文献值），直观建立"样本量→不确定性→结论可信度"的链条。这个消融的教学成本为零、冲击力极强。

§7.10 消融案例：抽样框偏移的方向感

把 §6.3 的偏差量化做成练习：给定"全库最终死亡比例 p≈40%（量级）、demo 抽样框=100%“，让学生推导"demo 院内死亡比例相对全库 11.5% 的偏移方向”（向上）与"谁的做法会放大这个偏移"（任何以死亡相关为条件的二次筛选）。产出：一张"偏移方向地图"——训练学生在读任何子集研究时先问"抽样框是什么"。

§7.11 负结果记录协议

尝试	假设	结果	教训
demo 上估计院内死亡率	样本小但估计值总有意义	估计值系统性偏高（抽样框）	描述性自省可行，人群估计无效（§5.4）
demo 上测试文本管线	schema 同构所以都能测	noteevents 不存在	差异清单先查（§3.8）
demo 的 AUROC 与 benchmark 对比	同是死亡预测可比较	队列/切分/规模全不同	数字对比必须同切分同队列

§7.12 可视化教学配方

demo 是"临床数据可视化"课程的理想载体（真实噪声+小体量+零合规）：

单停留时序图（§4.10）——采样不均与离群值的第一印象。
多停留小倍数图（small multiples）——100 张停留曲线并排，让"ICU 人群的异质性"可视化。
缺失模式热图——停留×小时桶的观测计数矩阵，直观看"病情越重记录越密"。
双系统对照图——同一概念在 CareVue/MetaVision 侧的直方图重叠，教"记录习惯差异"。
三级树桑基图——患者→住院→停留的流量分解，可视化"1:n:n"结构。

每张图都是一次"数据理解力"测验：画得出+读得懂+说得出局限，三关全过才算掌握。

§7.13 数据治理课配方

用 demo+全库的对照讲数据治理（不需要全库数据本身，只需其文档）：

课节	材料	讨论
1. 许可光谱	§2.8 光谱图 + 两份许可原文	ODbL 与 Credentialed 的义务差异
2. 敏感度评估	demo 去掉 noteevents 的决策	为什么文本是敏感度分水岭
3. 重识别风险	100 人子集 vs 4.6 万人库	小样本+外部拼接的理论风险
4. IRB 逻辑	条目页的批准与豁免表述	豁免≠不审查
5. 派生产物	模型权重/统计表/再分发的许可边界	数据→产物的义务衰减

五节课全部可以用公开文档完成——治理教学的"零数据"路线。

§7.14 LLM 时代的新定位

LLM 教学爆发后 demo 又添三重身份：①评测沙盒——临床 SQL 生成任务的人工评测集（100 人库跑得快、答案可人工核验）；②RAG 语料——schema 文档+数据字典做 RAG，搭"MIMIC 问答助手"教学项目；③Agent 练习场——让 coding agent 在 demo 上完成"从自然语言问题到 SQL 到图表"的全链路，错误零成本。注意边界：LLM 微调训练不适用（数据量远不够），demo 在 LLM 时代的角色仍是教学与验证，不是训练语料。

§7.15 DIY 工作坊配方（90 分钟版）

适合meetup/内训的浓缩版工作坊：

时间	环节	材料
0-15 min	下载+SQLite 建库（§4.3 路线，免安装 PostgreSQL）	教学包脚本
15-35 min	验证查询集五连（§4.4）+口径讲解	查询卡
35-55 min	分组任务：每组一个问题（心率分布/停留时长/双系统占比）	分组题卡
55-75 min	抽象病例复盘：用 §4.10 时序图讲一个"停留的故事"	可视化模板
75-90 min	抽样框讨论（§1.7）+全库路线图	本条目打印页

设计要点：全程不需要预装环境（SQLite 路线）；90 分钟内完成"下载→查询→可视化→口径思维"的完整闭环；结束时每人都能带走"申请全库"的行动指引。

§7.16 四课迷你课程日历（数据工程视角）

面向已会 SQL 的工程师的四课速成（每课 45 分钟）：

课	主题	实操	家庭作业
1	临床 schema 的形状	建库+验证五连+三级树探索	画 ER 图
2	概念字典与双系统	d_items 检索+心率视图	建 5 个概念视图
3	时序与口径	单停留时序图+三种死亡口径	口径辨析题
4	迁移与合规	切换协议走查+许可光谱	填合规底稿

课程结束的检验标准：学员拿到一个 MIMIC 类数据库（任意代际）时，能在 1 小时内完成"建库→验证→首住队列"的标准动作——技能迁移完成即课程使命完成。

§8 伦理、许可与合规

许可本体：ODbL 1.0——开放（含商用）、署名、数据库级衍生同许可。官方引用格式：Johnson, A., Pollard, T., & Mark, R. (2019). MIMIC-III Clinical Database Demo (version 1.4). PhysioNet. DOI 10.13026/C2HM2Q。
访问零门槛的含义：免 CITI/免 DUA 是官方设计（用于授权前评估），不等于官方认为"无需伦理意识"——条目页同时载明 IRB 批准与豁免依据，说明伦理审查从未缺席，只是传导方式从"门禁"变为"许可条款"。
再识别禁令依旧：100 人的小子集+外部信息拼接在理论上重识别风险反而更高；任何试图匹配 demo 患者真实身份的行为违反使用规范。
展示纪律：公开材料（博客/notebook/课件）展示聚合统计与结构，不堆砌行级患者数据；这既是伦理习惯也是职业素养训练。
与全库的合规隔离：demo 产出（代码/教材）可自由公开；全库数据一旦进入，同一仓库的公开性要重新评估——CI/仓库管理要区分两个世界。

§8.1 团队合规工作底稿（模板）

把 demo 纳入团队资产时的最小合规底稿：

[ ] 数据来源登记：PhysioNet mimiciii-demo v1.4，DOI 10.13026/C2HM2Q
[ ] 许可登记：ODbL 1.0——署名方式（引用格式模板入 README）
[ ] 再分发决策：教学仓库含数据本体？（是 → 仓库许可证需兼容 ODbL）
[ ] 与全库数据的物理隔离：存储路径/仓库/CI 变量分立
[ ] 产出物清单：代码/教材/图表（ freely 公开）vs 含全库数据的产物（走全库许可）
[ ] 责任人：谁负责许可复核（每次大版本更新时）

半小时填完的底稿，换来"demo 世界零摩擦、全库世界不串线"的长期清晰。

§8.2 常见违规情景与纠正

情景	问题	纠正
公开 repo 直接堆 demo CSV 无署名	违反 ODbL Attribution	README 加官方引用格式+许可说明
教学材料暗示"基于 MIMIC-III 的研究结论"	误导（100 人非全库）	全文标注"演示子集/教学用途"
用 demo 数据训练产品模型并宣称性能	无意义且有误导风险	模型性能声明只来自全库正规研究
把 demo 与全库数据混存同一目录	合规边界模糊	物理分立（§8.1 底稿）
对 demo 患者 ID 做外部信息拼接"玩玩"	触碰再识别红线	绝对禁止；教育与纪律并重

每条情景都来自真实社区问题的模式化——把它们放进教案的合规课节，比抽象条款有效得多。

§9 常见问题（FAQ）

Q1 Demo 和全库最大的区别是什么？

三个：访问开放（免授权）、许可不同（ODbL vs Credentialed）、100 人+去文本的子集设计。schema 零差异。

Q2 真的完全免费不用注册吗？

是。官方页面 Files 区直接下载——与全库页面的 credentialing 门禁形成鲜明对照。

Q3 能用来发表论文吗？

不能作为数据来源发表实证结果；只能作为方法学预演/教学材料被引用。

Q4 为什么所有患者都有死亡日期？

官方抽样设计：随机抽自"最终死亡"患者子集——这是特性不是缺陷，但决定了死亡率估计无效。

Q5 那 demo 里院内死亡还有 0/1 吗？

有（患者不一定死于本次住院）——所以死亡预测教学可跑，但结论不可外推。

Q6 为什么没有 noteevents？

官方移除：文本隐私敏感度更高+体积大+PHI 管线复杂——demo 定位是结构化侧教学。

Q7 CSV 还是 Postgres 备份？

学全库流程用 CSV（迁移无缝）；只求最快上手用备份（pg_restore 一键）。

Q8 SQLite 真的够用吗？

demo 规模下完全够用（官方推荐 DB Browser for SQLite）；全库规模下请回 PostgreSQL。

Q9 25 张表里最大的是哪张？

CHARTEVENTS（100 人也仍是百万行级）——教"长表思维"的最佳素材。

Q10 CareVue 和 MetaVision 患者都有吗？

有——100 人的抽样覆盖了双系统，itemid 双码教学真实可练。

Q11 引用格式是什么？

Johnson, A., Pollard, T., & Mark, R. (2019). MIMIC-III Clinical Database Demo (version 1.4). PhysioNet. DOI: 10.13026/C2HM2Q。

Q12 为什么引用年份是 2019？

2019 是官方引用格式条目的发布年；数据本体随主库 v1.4（2016）。

Q13 有中文教程吗？

社区有零散教程；权威源头是官方文档+mimic-code+HST-953 教案（英文）。

Q14 Kaggle 上的版本能用吗？

数据本体一致（ODbL 允许再分发）；正式教学建议官方源——镜像的时效与完整性无官方保证。

Q15 能把 demo 数据放进公开 GitHub 仓库吗？

可以（ODbL 署名+同许可）；全库数据绝对不行——这是两个许可世界的边界。

Q16 教完 demo 下一步？

申请全库授权（CITI→DUA→约 1 周）——期间管线开发可在 demo 上并行。

Q17 和 MIMIC-IV 有 demo 吗？

MIMIC-IV OMOP Demo 延续了"100 患者开放子集"传统（OMOP CDM 格式）；原生 MIMIC-IV schema 无官方 demo。

Q18 全库授权下来后 demo 上的代码能直接用吗？

结构类（SQL/管线）直接切换数据源可用；统计类要重设计（样本量/偏差）；性能要重新评估。

Q19 demo 上能练 mimic-code 的哪些脚本？

建表/约束/多数概念 SQL 都能练；noteevents 相关与 benchmark 管线除外。

Q20 学生作业里怎么声明数据来源？

照官方引用格式+注明"演示子集，仅用于教学，不外推人群结论"。

Q21 每个患者的数据完整吗？

完整——抽样只发生在患者层，入选患者的全部 ICU 停留都被收录。

Q22 有波形数据吗？

没有。demo 只含临床表；波形见 Waveform 系列（本系列 486-488）。

Q23 能做季节性/时间趋势教学吗？

不能得出真实结论（date shift 破坏绝对时间），但正好用来教"date shift 是什么"。

Q24 demo 的 IRB 覆盖和全库一样吗？

同一组批准（BIDMC+MIT）与豁免逻辑覆盖整个 MIMIC-III 项目（含其子集）。

Q25 能用于商业培训课程吗？

ODbL 允许商用——但培训材料仍需署名且不得暗示官方背书。

Q26 遇到数据问题找谁？

官方渠道 PhysioNet support / mimic-code GitHub issues——先搜 issue 库，多数教学问题已有答案。

Q27 100 人里男女比例多少？

以实测为准（demo 是随机子集，约与全库 55.9% 男性接近）——这正是 §4.4 验证查询 1 的作业内容。

Q28 年龄分布能用吗？

可以描述性展示（教 anchor age 计算），不可做人群年龄结构结论。

Q29 一句话总结这个数据集？

真实 ICU 数据的零门槛沙盒——练车场的结构完全是真车，但里程表不用于比赛。

Q30 它在 MIMIC 家族里的位置？

入口层：家族生态的第一站，把"真实数据体验"从授权门内搬到门外。

Q31 可以只下几张表吗？

可以——官方页逐文件下载；教学最小集为 PATIENTS/ADMISSIONS/ICUSTAYS/CHARTEVENTS/D_ITEMS 五表。

Q32 demo 数据有 date shift 吗？

有（继承全库去标识化）——绝对日期无意义、患者内时间差可信的原则原样适用。

Q33 教学中怎么处理死亡日期和出生日期？

都教"锚点思想"：年龄用 intime-dob 差值算（全库同款安全算法）。

Q34 能对比 demo 和全库的统计差异吗？

无授权时无法获得全库数据来对比；有授权后这种对比本身没有科学意义（已知偏差方向）。

Q35 为什么官方要花精力维护一个 100 人子集？

生态战略：低门槛入口降低全库支持成本（新手问题在 demo 上就消化了）+扩大采用漏斗。

Q36 demo 能导入 ClickHouse/其他 OLAP 吗？

能（CSV 是通用格式）——但教学期建议与全库保持同构（PostgreSQL），减少切换成本。

Q37 做数据可视化课程合适吗？

合适——真实数据+小体量是可视化练习的黄金组合；注意标注抽样背景。

Q38 有 Docker 镜像吗？

社区有第三方打包；官方分发的仍是 CSV/备份——教学用官方源最稳。

Q39 demo 的 license 对生成的图表有限制吗？

图表是统计产物非数据库衍生，正常发布；合理做法是图注注明数据来源与许可。

Q40 课堂上允许学生互相交换改写后的数据集吗？

ODbL Share-Alike 下允许（同许可+署名）；这本身就是许可教育的活教材。

Q41 为什么不用合成数据教学？

合成数据没有真实噪声结构（双码/转录误差/缺失模式）——demo 的价值恰在"真实感"。

Q42 demo 上能跑特征工程的全流程吗？

能——76 维 benchmark 特征的抽取逻辑完全可练（只差 benchmark 官方切分）。

Q43 批改学生作业时怎么防止答案雷同？

指定不同的患者子集/不同的 itemid 组合——schema 同构让"一人一题"易于分发。

Q44 学生想看真实临床文本怎么办？

引导申请全库，或用公开的合成临床文本——不要在 demo 里"找文本"（不存在）。

Q45 demo 的数据质量问题和全库一样吗？

同源同构（同样的转录噪声/单位陷阱）——甚至更适合教学：小数据上噪声肉眼可见。

Q46 能用 demo 练习 OMOP 转换吗？

可以练结构映射（mimic-omop 工具）；官方的 OMOP demo 是 MIMIC-IV 侧的（格式不同）。

Q47 访问 demo 需要提交使用计划吗？

不需要——这是它与全库流程的核心区别；引用与署名是仅存义务。

Q48 demo 里有婴幼儿患者吗？

可能（抽样自全库真实患者，含 2001-2008 新生儿段概率极低但非零）——教学时把"年龄核查"作为数据卫生练习。

Q49 教学评估怎么设计？

前置+后测同一组口径题（三种死亡口径辨析）；验证查询集的解读报告；迷你课题的局限性陈述质量。

Q50 一句话给课程设计者的建议？

把"抽样框是什么"设为贯穿课程的核心问题——demo 的一切局限都会变成教学素材。

Q51 下载后如何确认数据完整？

patients 数=100；各表行数与官方 Files 页标注一致；CHARTEVENTS 可查且有 dbsource 双值。

Q52 demo 支持 Windows/Mac/Linux 全平台吗？

是（SQLite/PostgreSQL/Python 均跨平台）——HST-953 教案甚至分 OS 给了安装指引。

Q53 能给 demo 加自己的模拟数据吗？

能（教学沙盒就该如此）——用独立 schema/table 区分真实与合成，杜绝混淆。

Q54 它和 492 条目的 MIMIC-IV 什么关系？

无直接关系（不同代主库）；但"demo 传统"被 MIMIC-IV OMOP Demo 继承。

Q55 教学中要不要讲许可差异？

要——ODbL vs Credentialed 的对照是"数据治理光谱"的最佳真实案例。

Q56 demo 适合 self-taught 自学者吗？

非常适合：零门槛+官方文档+社区答案密度高——自学者的第一周就该泡在这里。

Q57 有没有官方"结业标准"？

无官方认证；自设标准可参考 §5.2 一周路线的产出清单。

Q58 demo 数据是否会被 MIMIC-IV 时代淘汰？

不会——schema 教学与"抽样框思维"训练是跨版本技能；它已是十年级的活教材。

Q59 为什么体积这么小还值得单独一个条目？

因为它定义了一个数据治理范式（真实微缩子集作为开放入口）+教学生态的核心节点——条目价值在模式不在体积。

Q60 下载数据前读什么？

本条 §1.7（抽样设计）+§3.8（与全库差异）+官方 Usage Notes——十分钟避免所有常见误解。

Q61 demo 的 chartevents 有多少行？

以实测为准（百万行级，100 人的量）——行数验证本就是 §3.11 清单的作业之一；官方不公布该数，别引用他人的具体值。

Q62 能用 demo 教窗口函数吗？

绝佳教材——ROW_NUMBER 取首住、LAG 算体征变化、聚合桶化时序，全部是真实需求。

Q63 有官方习题集吗？

官方无习题集；HST-953 教案含实操指引；本条目 §4.4/§5.8 提供了可用的题目骨架。

Q64 学生问"为什么数据是 2001-2012 的老数据"怎么答？

教学目标是结构与方法，数据年代不影响；顺带教"数据集也有保质期与代际"的概念（III→IV 演进）。

Q65 demo 能装进课堂的公用机吗？

能——ODbL 允许、体积小、无需账号，比大多数教学数据集的合规负担都低。

Q66 想教"数据血缘"有素材吗？

有——demo↔全库的派生关系+MIMIC-II→III 的继承关系都是现成案例（§4.7 血缘图）。

Q67 demo 上能练数据清洗吗？

能且合适——单位异常/离群值/label 变体都是真实存在的清洗对象，100 人规模适合人工复核。

Q68 全库授权被拒过的人能用 demo 吗？

能（开放许可与授权流程互不影响）；但注意被拒通常涉及合规疑点，重申申请前先解决根因。

Q69 demo 数据可以转换格式再分发吗（如转 Parquet）？

转换后仍属数据库衍生，ODbL 同许可义务适用；技术上可行（列式格式教学友好）。

Q70 有官方的 demo 讨论 community 吗？

PhysioNet 论坛/GitHub discussion 均可；历史问题库（mimic-code issues）已是宝库。

Q71 教学中怎么展示患者隐私意识？

从第一条查询起就只 SELECT 聚合/脱敏列——课堂纪律即职业训练；行级展示仅限课堂内部。

Q72 demo 能作为招聘笔试题库吗？

能（真实 schema 的 SQL 题）——注意 ODbL 署名与"题目不得含行级数据原文"的分寸。

Q73 demo 的 hospital_expire_flag 分布是什么？

以实测为准（有 0 有 1，比例偏高方向）——这是 §4.4 查询 4 的答案，让学生自己跑。

Q74 一个患者最多几次住院？

以实测为准——demo 里真实存在多次住院者（复入院教学的前提），让学生跑分布。

Q75 为什么推荐 PostgreSQL 而非 MySQL 教学？

官方脚本/文档/社区答案的默认都是 PostgreSQL——教学跟着生态走，少踩无关的坑。

Q76 demo 上的查询结果能写进博客吗？

聚合结果+明确"演示子集"标注可以；行级数据原文不建议公开堆砌（§8 展示纪律）。

Q77 能教时态数据库/时间粒度问题吗？

能——采样不均+时区统一+date shift 都是时间语义的真实教学案例（§6.3 主库条目同款议题的微缩版）。

Q78 demo 会随 MIMIC-IV 更新吗？

不会——demo v1.4 冻结跟随主库 III；MIMIC-IV 侧教学走其 OMOP Demo（不同 schema）。

Q79 一台 4GB 内存的旧笔记本能跑吗？

能——SQLite 路线甚至不需要"跑"数据库服务器；这是它对教育资源不均环境的友好面。

Q80 想教"数据字典治理"，从哪张表入手？

d_items——label 变体/双系统/param_type 是字典治理三个真实议题的微缩样本（§4.9）。

Q81 demo 与 eICU 有教学级子集对照吗？

eICU 无官方 demo——多中心结构的教学可用其文档对照讲解。

Q82 能把 demo 作为数据工程的"练手停车场"长期使用吗？

正是其设计使命之一——作为持续集成/回归测试的固定小数据源非常合适。

Q83 学生完成一周路线后的水平定位？

相当于"能独立启动一个 MIMIC 类研究的准备阶段"——离独立研究差全库实战与统计深化。

Q84 demo 的数据有版本差异问题吗？

只有一个版本（v1.4）——教学无版本兼容烦恼；文档里的版本讨论全是给全库用户的。

Q85 为什么 demo 移除文本但保留编码表（ICD-9 等）？

编码表是结构化侧（数值/分类），敏感度评估通过；文本（自由叙事）敏感度高——分界线在"自由文本"。

Q86 demo 里能找到同一患者的完整就医史吗？

患者内完整（全部 ICU 停留收录）——纵向分析教学的真实素材。

Q87 用 demo 讲"单中心偏差"合适吗？

合适——它连"单中心"都不完全是（是单中心的一个死亡过采样切片），偏差教学的极端案例。

Q88 有基于 demo 的公开论文吗？

少数方法学/教育论文使用；实证临床论文几乎不用（规模限制）——这本身是学术规范生效的证据。

Q89 教学中如何处理患者的死亡主题伦理？

以"数据背后的真实照护"为叙事基调；技术中性表达+职业敬畏——教案语言的温度也是课程设计。

Q90 demo 能否验证基准评估脚本（mimic3-benchmarks 代码）？

可跑通代码路径（小数据秒级）但产出无意义——用于"代码会跑"验证而非"结果可信"验证。

Q91 一个学期课程怎么扩到 12 周？

一周路线（§5.2）+ 三周可联数据仓库扩展 + 三周迷你研究（全库授权并行办）+ 三周项目展示——demo 段占前 1/4。

Q92 教学包要不要含下载脚本？

要（wget 脚本+校验清单）——把"可复现获取"作为工程素养的一部分教。

Q93 demo 数据丢失/损坏的风险？

极低（官方站+多镜像）；教学包内置校验清单即可自愈。

Q94 有必要给 demo 写独立的数据字典吗？

不必——与全库共享官方文档；给"demo 特有差异"（25/26 表、100 人）写一页附录即可。

Q95 最后一个问题：demo 十年不变的启示？

好数据资产不一定大而新——结构稳定、许可清晰、使命明确的"小而美"能服务一代学习者；设计入口层资产时以它为模板。

Q96 demo 适合作为“数据集百科”教学案例吗？

正是——本条目本身就是把一个“小数据”写出完整百科的方法示范：定位/偏差/许可/教法四位一体。

Q97 用 demo 讲“数据契约”（data contract）有素材吗？

有——schema 同构承诺（25 表结构不变）就是官方给的隐式契约，CI 行数断言即契约测试。

Q98 如果只能记住一件事？

抽样框决定一切结论的边界——“这些 100 人是谁”比“能跑多快的 SQL”更值得先回答。

Q99 90 分钟工作坊和一周课程能合并吗？

可以——工作坊是课程第 1 天的浓缩预演；两者共用同一套教学包，仅节奏不同。

Q100 最后的最后一：demo 对"我"最大的价值判断口诀？

学结构→零门槛即价值；做研究→零价值（请走全库授权）；教学生→高价值；建管线→隐藏的高价值（CI 好朋友）。

## §10 存照与溯源

§10.1 口径存照

存照 A（抽样框官方原文）：“These patients were selected randomly from the subset of patients in the dataset who eventually die. Consequently, all patients will have a date of death (DOD). However, patients do not necessarily die during an individual hospital admission or ICU stay.”——官方 Methods 段原文逐句存照；本条目全部"不能做什么"的判断锚定于此。
存照 B（25/26 并存口径）：“MIMIC-III is a relational database consisting of 26 tables… The demo shares an identical schema, except all rows in the NOTEEVENTS table have been removed.”（26 表 schema）与"25 comma-separated-value (CSV) files"（mimic 文档页）并行——前者说结构、后者说文件。
存照 C（访问政策原文）：官方文档页"Navigate to the project page… Scroll to the Files section to view and download the data"——无任何 credentialing 步骤；GitLab 镜像页明确标注"License Open Data Commons Open Database License v1.0"。
存照 D（引用格式年份）：官方 Cite 组件"Johnson, A., Pollard, T., & Mark, R. (2019)"——2019 为引用条目年，数据版本 1.4。
存照 E（体积表述）：官方未给压缩包字节数；本条目"MB 级/数十 MB"为按全库比例（100/46,520 患者且无文本）的量级表述，精确值以下载页 Files 标注为准。

存照 F（DOD 100% 与院内死亡变异并存）："全员 DOD"与"院内死亡 flag 有 0/1 变异"同时为真（官方 Methods 段两句原文分别对应）——教学材料常见错误是只引其中一句。

存照 G（开放访问的官方依据）：官方文档页的下载指引（无 credentialing 步骤）+ ODbL 1.0 许可页共同构成开放访问的依据；本条目不引用第三方转述。

存照 H（HST-953 的课程定位）：MIT 课程页明确其教学案例为"呼吸衰竭患者动脉导管与死亡率"的简化研究流——引用该课程时注明"教学案例"性质，非临床结论。

存照 I（MIMIC-II demo 4,000 人口径）：archive.physionet.org 的 MIMIC-II 访问页描述"4000-patient subset + bootable image"——用于 §2.10 的演变叙述；MIMIC-II 现已下架，引用时注明"历史资料口径"。

存照 J（OMOP Demo 的独立性）：Linkr 教程站确认"MIMIC-IV OMOP Demo 为 100 患者开放子集（OHDSI CDM v5.4 格式）"——它与本条目（原生 MIMIC-III schema 的 demo）是两个不同资产，教学时不可混用。

存照 K（引用格式的三件套）：官方 Cite 组件给出 Demo 引用（Johnson/Pollard/Mark 2019）+主库论文引用（Johnson et al. 2016 Sci Data）+PhysioNet 标准引用（Pollard et al. 2026 Nature Health 平台文）三件套——正式材料建议三件齐引。

存照 L（"以实测为准"的写作纪律）：demo 官方不公布各表行数（100 患者级细节），本条目所有"行数/分布"处统一用"以实测为准"表述——这是小数据集百科的诚实写法：任何具体数字都依赖具体下载副本，官方口径只有"100 患者+25 CSV"两层。

存照 M（官方 Usage Notes 的 SQLite 推荐）：官方 Usage Notes 原文推荐"create an SQLite database using the CSV files"并点名 DB Browser for SQLite——本条目 §4.3 路线的官方依据；引用教程时注明这是官方认可的轻量路线而非社区旁门。

§10.2 引文清单

Johnson A, Pollard T, Mark R. MIMIC-III Clinical Database Demo (version 1.4). PhysioNet (2019). DOI: 10.13026/C2HM2Q.
PhysioNet. MIMIC-III Clinical Database Demo. https://physionet.org/content/mimiciii-demo/（Abstract/Methods/Usage Notes）
MIT LCP. MIMIC-III demo (official documentation). https://mimic.physionet.org/docs/iii/demo.html
MIT LCP. HST-953 Workshop 01: Setup and installation. https://lcp.mit.edu/hst-953/01/01-install.html
Johnson AEW, et al. MIMIC-III, a freely accessible critical care database. Scientific Data 3:160035 (2016). PMID 27219127.
PhysioNet. 2018 IEEE BHI and BSN Data Challenge. https://physionet.org/content/bhi-2018-challenge/1.0/
Hands-On Healthcare Data. MIMIC-III Clinical Demo Database v1.4 (GitLab mirror; ODbL 1.0 confirmation). https://gitlab.com/hands-on-healthcare-data/mimic-iii-clinical-demo-database
Pollard T, Moody BE, et al. PhysioNet as a global platform for biomedical research. Nature Health (2026). DOI: 10.1038/s44360-026-00096-z.

§10.3 与本系列其他条目的关系

490（MIMIC-III）：母库条目——schema/双系统/基准体系的权威叙述在彼处；本条目只讲差异。
492（MIMIC-IV）：不同代主库；"100 患者开放 demo"传统由 MIMIC-IV OMOP Demo 延续。
486-489（波形与事件日志支系）：demo 不含波形/文本——支系数据均需各自授权。
493/494（专用标注数据集）：同为 MIMIC 生态成员但走 Credentialed 路线，与 demo 的开放路线对照。

§10.4 变更日志

2026-09-20：初版（order 491）。四源交叉核查完成；抽样框/许可双轨/25-26 口径存照 A-E 落档；教学一周路线与验证查询集为原创教学资产。