信息速览

数据集名称PIC — 浙大儿院儿童重症监护数据库 AI-Ready Wikipedia

数据类型12,881 患儿,13,941 ICU 住留,LABEVENTS 1,009 万行,英汉双语字典表,术中 5 分钟生命体征

规模12,881 患者 / 13,449 住院 / 13,941 ICU 住留（2010-2018）

接入方式https://physionet.org/content/picdb/1.1.0/

AI 就绪度

Paediatric Intensive Care database — AI-Ready 数据集百科

一句话：这是 MIMIC 方法论第一次成建制走出波士顿的成果——浙江大学医学院附属儿童医院把 2010-2018 年五个 ICU、12,881 名危重患儿、约 1,900 万行临床记录，按 MIMIC-III 的表结构做成了首个免费开放的英汉双语临床数据库。它证明了一件事：重症数据开放这件事不分国界、不分语种、不分成人还是儿童。

INFOBOX

属性	值
官方名称	Paediatric Intensive Care database（PIC）
发布方	PhysioNet（与 ZUCH 团队联合）
版本	v1.0.0（2019-11-26）→ v1.1.0（2020-11-12，当前）
DOI	10.13026/32x9-wv38
RRID	SCR_007345
官方论文	Zeng, Yu, Lu et al., Scientific Data 7:14 (2020), DOI 10.1038/s41597-020-0355-4
数据来源	浙江大学医学院附属儿童医院（ZUCH，杭州）——1900+ 床、年门急诊 300 万+
ICU 构成	GICU / PICU / SICU / CICU / NICU 共 119 张重症床
数据期	2010-2018
规模	12,881 患者 / 13,449 住院 / 13,941 ICU 住留
核心表	CHARTEVENTS 228 万行；LABEVENTS 1,009 万行；PRESCRIPTIONS 126 万行
特色表	SURGERY_VITAL_SIGNS（术中每 5 分钟）；EMR_SYMPTOMS（NLP 症状 +/−）
双语工程	首个免费英汉双语临床数据库；字典表 + `_cn` 后缀；ICD-10 7 位本地扩展
年龄	0-18 岁（中位 0.8 岁；NICU 以天计）
死亡率	院内 7.1%（971 例）；ICU 内 6.9%（955 例）
访问级别	Credentialed（培训/GCP + DUA；审批约 3 个工作日）
文档站	pic.nbscn.org（截至 2025-05 引用超 100 篇）
适合任务	儿科 ML（死亡/脓毒症/器官功能障碍）、双语 NLP、跨国方法学对照

§0 E-E-A-T 信任声明与速览

条目名勘误（重要）：本条目在生产排期表中的中文名被写成"英国儿科重症监护数据库 (PICU)"——这是错的。官方 Paediatric Intensive Care database 来自中国的浙江大学医学院附属儿童医院（Children’s Hospital, Zhejiang University School of Medicine），而非英国。英国的 PICU 数据生态（如 PICANet 审计网络）是另一套体系，且非 PhysioNet 开放数据。本条目一律以官方名称与事实为准，勘误记录见存照 A。

信任声明：本条目所有数字经两处一手来源交叉核查——PhysioNet 官方条目页（v1.1.0）与 Zeng et al. Scientific Data 2020 论文（PMID 31932583）。论文正文与表格间的口径差异（住院数 13,499 vs 13,449）不做掩盖，如实存照。二手引用（2026 年 MDPI 综述）单独标注，不与一手数字混排。

0.1 一分钟版本

这是什么：全球首个免费开放的英汉双语临床数据库；MIMIC-III 结构的儿科专属移植；
多大：12,881 患儿、13,941 次 ICU 住留、LABEVENTS 一千零九万行、16 张关系表（v1.1.0 再增手术信息表）；
哪来的：浙江大学医学院附属儿童医院五个 ICU（综合/儿科/外科/心脏/新生儿），2010-2018；
在哪拿：PhysioNet（DOI 10.13026/32x9-wv38），Credentialed 访问，审批约 3 个工作日；
最独特的三件事：双语字典工程、术中 5 分钟生命体征独立表、NLP 症状表（91.9% 准确率且方法学公开）；
最大的坑：日期被平移 50-100 年（住院发生在"2060-2120 年"）；ITEMID 是字符不是整数。

0.2 十个数字记住它

#	数字	含义
1	12,881	去重患儿数
2	13,941	ICU 住留次数
3	0.8 岁	年龄中位数（成人库 MIMIC-III 是 60.6 岁）
4	10,094,117	LABEVENTS 行数（最大表）
5	2,278,978	CHARTEVENTS 行数
6	5 分钟	术中生命体征采样间隔（SURGERY_VITAL_SIGNS）
7	7.1%	院内死亡率（971 例）
8	91.9%	NLP 症状抽取准确率（3,410 症状双人核对）
9	50-100 年	日期向未来平移的年数
10	3 个工作日	访问审批周期

0.3 与同门条目的关系图谱

mimiciv（rid 592）/ MIMIC-III（491）：PIC 的 schema 师承 MIMIC-III（官方原话：“follows the structure of MIMIC-III”）。PATIENTS/ADMISSIONS/ICUSTAYS 三表骨架、CHARTEVENTS/LABEVENTS 命名一一对应——会查 MIMIC-III 的人几乎零成本上手 PIC；
phenotype-annotations-mimic（rid 594）：临床文本标签的两种路线对照。494 是人工双人金标准标注；PIC 是 NLP 自动症状抽取（91.9% 准确率、错误类型公开）——两份数据集合起来是"标注经济学"的完整教材；
nosocomial-risk-mimic（rid 593）：同为 MIMIC-III 派生的下游工程，那边做标签工厂，这边做全库双语化——MIMIC 生态的三种"衍生姿势"；
MIMIC-III 的 NICU 新生儿子集是 PIC 最接近的对照区——但 PIC 是全库儿科（0-18），且新生儿占比与病种谱完全不同。

0.4 里程碑定位：中国开放重症数据的先声

PIC 于 2019-11-26 上线 PhysioNet（v1.0.0），是中国大型三甲医院第一次把整库 ICU 数据按国际开放标准发布。它之后，中国中心的 PhysioNet 数据集陆续出现（如 2022 年自贡四院感染重症库、2023 年某三级医疗中心 Chinese critical care database 等）——PIC 是这条路上的先行者。截至 2025 年 5 月，官方文档站显示引用已超 100 篇。2026 年 MDPI Bioengineering 的叙事综述把它称为"儿科 ICU 机器学习研究的事实基底（de facto substrate）"。

0.5 证据等级声明

规模与表行数：论文 Table 1/2 一手口径；年龄/死亡率/性别：论文 Table 2/3 与正文；访问流程与双语工程：PhysioNet 页面与论文 Methods 互核；二手综述结论明确标注"MDPI 2026 综述"；凡官方未给数字处（如表级完整度之外的缺失机制细节）注明缺口，不做估算。

0.6 谁该用、谁不该用

该用：做儿科 ML 的人（死亡预测、脓毒症、器官功能障碍——现有 10 项研究已趟过路）；做双语/跨语言临床 NLP 的人（唯一的英汉双语 ICU 语料）；做方法学迁移研究的人（成人模型→儿科校准的天然试验田）；医工交叉课程（MIMIC 结构教学的最佳第二例）。

不该用：想要高频床旁监护波形的人（术中之外没有逐分钟数据——用 vitaldb 或 HiRID）；想要英文自由文本的人（中文原文未发布，只有症状结构表）；想做成人-儿童直接迁移而不管校准的人（请先读 §7.6 的失败方向）；只认 ICD-9 的老管线（这里是 ICD-10 + ICD-O-3）。

§1 数据集概览

1.1 出身：一次跨洋的 schema 移植

PIC 的立项逻辑写在论文 Background 里，三段论非常清晰：其一，MIMIC 系列十余年证明了开放重症数据的价值；其二，eICU 补上了多中心成人数据，但所有这些库都缺 0-18 岁的完整儿科数据——MIMIC-III 只有 NICU 新生儿，因为 BIDMC 根本没有儿科 ICU；其三，“儿童不是缩小版成人”（Children are not just small adults）——疾病谱、发育阶段、药代动力学、治疗反应全部不同，成人证据不能直接搬用，儿科证据需要儿科数据。于是 ZUCH 团队（临床信息学团队 + 国家儿童健康与疾病临床研究中心）按 MIMIC-III 的表结构重造了整个提取管线。

1.2 数据来源医院：为什么是浙大儿院

ZUCH 的三个硬指标解释了为什么它能做成这件事：规模——1900+ 床、年门急诊超 300 万人次、浙江省最大综合性儿科中心；网络——接收全省 11 个地市转诊的危重患儿，病例谱覆盖完整；设施——5 个 ICU 共 119 张重症床（GICU 综合/PICU 儿科/SICU 外科/CICU 心脏/NICU 新生儿），且院级信息系统已运行十年以上，数据连续性有保障。它同时是中国国家儿童健康与疾病临床研究中心——"临床研究中心"的制度身份让数据治理与 IRB 流程有落点。

1.3 六大信息系统的数据汇聚

官方 Methods 列出了数据提取的六个来源系统：医院电子病历（EMR）、实验室信息系统（LIS）、计算机化医嘱录入（CPOE）、护理信息系统、麻醉信息管理系统（AIMS）、各检查科室报告系统（放射/超声/心电图/病理等）。这个清单就是 PIC 的数据血缘地图——SURGERY_VITAL_SIGNS 表的 5 分钟高频数据正是来自 AIMS，这是 PIC 相对 MIMIC-III 的一个反向优势（MIMIC-III 的床旁监护是约 1 小时粒度）。

1.4 时间覆盖与规模叙事

2010-2018 约九年的窗口，产出 12,881 患儿 / 13,449 住院 / 13,941 ICU 住留。与 MIMIC-III（约 5 万患者/4.5 万+ 住院）比，规模差约 4 倍——论文自述局限第一条就是这个。但注意结构差异：PIC 的 13,941 次 ICU 住里 NICU 占比可观（新生儿），而多次住院患者只有 468 人（3.6%）——这是一个"一次住院为主"的人群，与成人 ICU 的再入院模式不同，建模时的患者级聚类修正压力更小。

1.5 五个 ICU 的画像

论文 Table 2/3 给出的分单元画像（平均年龄/院内死亡率）：

单元	平均年龄	院内死亡率	特色
GICU 综合ICU	3.8 岁（0.4-6.3）	15.3%	全院最高死亡率的综合兜底单元
PICU 儿科ICU	3.6 岁（0.5-5.7）	9.8%	儿科专属重症
SICU 外科ICU	3.2 岁（0.4-4.9）	2.0%	围术期为主
CICU 心脏ICU	2.5 岁（0.5-3.1）	2.0%	先心病围术期
NICU 新生儿ICU	14.5 天	7.5%	以"天"计龄的特殊单元

两个直接推论：其一，GICU 15.3% vs SICU 2.0% 的 7 倍差提示单元分层是任何死亡模型的必做项；其二，NICU 的"年龄 14.5 天"宣告了儿科数据的独特时间语义——在 MIMIC-III 里 anchor_age=91 是老人归并，在 PIC 里年龄字段要有小数甚至天数，标准成人管线的年龄特征工程必须重写。

1.6 病种谱：先天性疾病是第一主角

诊断编码的 ICD-10 章节分布前三：Q00-Q99 先天畸形/变形/染色体异常 25.4%；P00-P96 围产期特有情况 14.1%；J00-J99 呼吸系统疾病 10.3%。这个谱与成人 ICU（循环/呼吸/感染为主）几乎不重叠。对 ML 建模的含义：诊断编码在儿科数据里是强特征（先天畸形的结构性强信号），而成人库里 ICD 常常只是"弱标签"。CICU 2.0% 的低死亡率背后是先心病手术的成熟，而 GICU 的高死亡率对应的是兜底收治的复杂病例——病种谱直接写在了单元画像里。

1.7 双语：为什么这是里程碑而非便利贴

官方强调 PIC 是首个免费开放的英汉双语临床数据库。理解它的分量需要知道背景：中文临床术语没有像 LOINC/ICD 那样与国际对齐的通用翻译层，国际研究者用不了中文库。PIC 的解法（§3.4 详述）是分层翻译策略：有国际标准编码的术语（ICD-10、LOINC）按标准英文版对齐；没有的由三位作者人工翻译并复核；所有表保留中文原文 + 英文对应，中文列加 _cn 后缀。原文永远在场——这是双语工程区别于"翻译覆盖"的关键设计，也保留了研究中文临床语言学的原始材料。

1.8 版本简史

v1.0.0（2019-11-26）：首发 16 表；
v1.1.0（2020-11-12）：基于用户反馈的升级——DIAGNOSES_ICD 增加主要诊断 vs 其他诊断的区分；SURGERY_VITAL_SIGNS 增加 SpO2、EtCO2、ECG ST 段；新增 SURGERY_INFO 表（手术名称/时间/麻醉方式）；字典表更新；
发布物包含 v1.1.0 全量文件夹 + update_to_v1.1.0 增量文件夹（含迁移 SQL 示例）——老用户不用重下全库。

注意一个口径细节：论文 Table 1 的 16 表清单是 v1.0 口径（不含 SURGERY_INFO），v1.1.0 之后实际表数 +1（存照 C）。

1.9 团队与资助

论文作者 9 人：共同一作 Zeng X / Yu G / Lu Y（临床信息学 + 生物医学工程），通讯作者 Shu Q（Qiang Shu，临床）与 Li H（Haomin Li，信息学，PhysioNet 页面第一署名）。资助三项：国家自然科学基金 81871456；国家科技支撑计划 2016YFC0901905 与 2016YFC0901703；浙江省高层次创新型卫生人才培养工程 2016-6。COI：无。论文图代码开源在 github.com/Healthink/PIC。特别致谢 MIMIC 项目团队——“本项目许多协议基于其制定”。

1.10 用户画像：四类人各取所需

儿科 ML 研究者：直接上手死亡/脓毒症/器官功能障碍建模，10 项已发表研究提供了标签构造与特征工程的参照系（§6.5）；
双语 NLP 研究者：EMR_SYMPTOMS 表 + 双语字典是研究中文临床术语对齐的唯一开放资源；
成人 ICU 研究者：把 PIC 当"分布外测试集"，检验成人模型的儿科泛化（先读 §7.6 的校准警告）；
数据工程教学者：MIMIC-III schema 的第二实现是最好的"同构异源"教学案例——表结构相同、语义全变（年龄、ITEMID 类型、日期偏移）。

§1.11 名词速查表：十秒扫懂本章术语

术语	一句话解释
PIC	Paediatric Intensive Care database，本条目主体
ZUCH	浙江大学医学院附属儿童医院，数据来源单中心
GICU/PICU/SICU/CICU/NICU	综合/儿科/外科/心脏/新生儿五个 ICU
AIMS	麻醉信息管理系统——术中 5 分钟体征的来源系统
ITEMID	项目标识符；PIC 中为字符型（MIMIC 为整数）
`_cn` 后缀	中文数据列的命名约定（保留中文原文的双语设计）
ICD-10 7 位扩展	本地诊断编码比标准 5 位更细，中文诊断更具体
ICD-O-3	肿瘤形态学编码，与 ICD-10 并行使用
EMR_SYMPTOMS	NLP 抽取的症状表（+/− 极性 + 时间）
SURGERY_VITAL_SIGNS	术中每 5 分钟生命体征表（v1.1.0 增 SpO2/EtCO2/ST）
日期平移 50-100 年	去标识化设计：住院时间显示为 2060-2120 年
GCP 认证	中国《药物临床试验质量管理规范》培训——访问认证的双轨之一
DUA	数据使用协议：禁再识别 + 协作研究原则
phoenix / pSOFA	儿科脓毒症/器官功能障碍评分体系（勿用成人 Sepsis-3）
z 分数化	检验值按年龄分段参考范围标准化——儿科特征工程核心动作

§2 医学与科学背景

2.1 "儿童不是缩小版成人"的数据含义

论文引用 Czaja 2016（“Children Are Not Just Little Adults”）作为方法学宣言。这句话落到数据上有四层含义：生理参数不同——生命体征正常范围随年龄漂移（新生儿心率 100-180 vs 学龄儿童 60-100），报警阈值与异常检测不能复用成人规则；药代动力学不同——剂量按体重/体表面积计算，PRESCRIPTIONS 表里的剂量字段必须结合体重/年龄解读；疾病谱不同——先天性疾病 25.4% 当主角，成人库的第一主角（冠心病）在儿科几乎退场；发育时间性——年龄不是协变量而是"发育阶段的代理变量"，且以月/天为单位变化。

2.2 NICU 的时间语义：以天计龄

NICU 患儿平均年龄 14.5 天——这个数字意味着 PIC 的年龄字段在 NICU 段的有效粒度是"天"甚至"周（孕周）"。三条工程纪律：任何"年龄 ≥ x 岁"的过滤规则在 NICU 段会漏掉整群患儿；孕周/出生体重相关的围产期特征（P 章 ICD）在 NICU 分析里权重最高；生长曲线（百分位）是儿科特有的纵向特征类型——身高体重不是静态协变量而是发育轨迹。

2.3 围术期数据流：AIMS 的 5 分钟世界

SURGERY_VITAL_SIGNS 表（121.6 万行）来自麻醉信息系统，术中每 5 分钟一测，v1.1.0 又加入 SpO2 与 EtCO2 和 ST 段。这是 PIC 里唯一的高频生理流，三个用法：围术期低血压/缺氧事件的预测与回放（MDPI 综述里已有研究做围术期并发症）；把术中队列（SICU/CICU）与非术中队列的生理基线对齐；作为"高频对照"评估 CHARTEVENTS 里护士记录的稀疏性。注意它的完整度只有 47.7%（Table 4）——只有手术患者的手术时段才有，别当全库背景流用。

2.4 液体平衡：儿科剂量学的命门

INPUTEVENTS（26,884 行，每日晨计算入量）与 OUTPUTEVENTS（39,891 行，出量）加起来不足 7 万行，完整度 41.1%/11.7%——但别因行数小而忽视：液体管理是儿科重症的核心命题（儿童液体耐受窗窄，脱水与过载都是生死线）。官方论文把 fluid balance 写进摘要清单，说明这是设计内特性而非残留。使用时的纪律：低完整度 + 非随机缺失（外科患者更可能记录）= 缺失机制分析必须先行。

2.5 微生物学与抗菌药物：感控研究面

MICROBIOLOGYEVENTS（183,869 行，完整度 89.7%）含培养与药敏。儿科感控研究的富矿：新生儿败血症的病原谱、ICU 耐药谱的时间演化、抗菌药物（PRESCRIPTIONS 126 万行）与药敏的匹配分析。注意中文药名的翻译层——抗菌药物的中英文对照在字典表里，跨语言合并药物类别时以 ATC 分类的思路自建映射更稳。

2.6 死亡数据的口径

PIC 只有院内死亡记录（hospital mortality 7.1%），没有 MIMIC-III 那样的社保死亡链接（MIMIC 可做出院后长期生存）。三条纪律：论文间比较"死亡率"时先分清院内 vs ICU 内 vs 全因；出院后生存分析在 PIC 上不可做；死亡是"出院状态"字段的一部分，与出院类型（自行离院/转院）编码在同一张表，建模时注意互斥性检查。

2.7 ICD-10 + ICD-O-3 的编码体系

PIC 用 ICD-10（诊断）+ ICD-O-3（肿瘤形态学），不是 MIMIC-III 的 ICD-9。三层含义：跨库映射需要 9→10 的转换表（有现成工具但儿科章节映射有坑——P 章与 Q 章在 ICD-9 里结构不同）；本地 7 位扩展（§3.4）让"中文诊断更具体"——做表型提取时中文列的信息量更大；ICD-O-3 的存在提示肿瘤病例可用形态学轴做更细的队列划分。

2.8 与成人库的年龄对照：一张图两个世界

论文 Fig. 2 是 PIC 与 MIMIC-III 的年龄分布对比：MIMIC-III 中位 60.6 岁（Q1-Q3 42.1-74.1），PIC 中位 0.8 岁（Q1-Q3 0.1-3.5）。两个分布几乎不重叠——这就是"证据不能直接互搬"的统计注脚。方法学上这张图也是绝佳的教学素材：同样的 ICU 数据概念，年龄这一个变量就能让跨库迁移变成分布外问题。

2.9 儿科质量改进与国际共享的立项初衷

官方摘要列了四类支持用途：机器学习算法、临床决策支持工具、质量改进、国际数据共享。第三类（质量改进）在中国语境里最稀缺——单中心库的最大价值恰恰是院内纵向对照：同一个 ICU 十年间的死亡率/住院日/用药模式漂移（MDPI 综述称其为 single-center temporal drift，把它当风险，其实也是质量改进的天然实验设计）。第四类（国际共享）则由双语工程承载。

2.10 概念小结：PIC 的五张面孔

MIMIC 的儿科镜像：结构同源、语义异构；
双语数据库：翻译工程的教科书；
围术期高频库：AIMS 5 分钟流是其独有的时间维度；
NLP 症状库：中文临床文本的结构化出口（91.9% 准确率的诚实基准）；
单中心九年纵向库：质量改进与时间漂移研究的天然设计。

§2.11 本条目的证据层级

本条目信息的分级与使用建议：

层级	来源	用于
L1 一手-官方页面	PhysioNet v1.1.0 条目页（DOI/版本/访问/双语方案/去标识）	引用、合规决策
L1 一手-论文	Zeng et al. Sci Data 2020（Table 1-4 全部数字、NLP 审计、Methods）	规模引用、方法学
L1 一手-文档站	pic.nbscn.org（引用统计、临床资源介绍）	生态状态描述
L2 二手-综述	MDPI Bioengineering 2026（10 项研究综合、基质特性）	趋势讨论（标注二手）
L3 推断	本条目的工程建议、成本核算、课程设计	操作参考（标注为本条目立场）

冲突裁决规则：L1 内部冲突如实存照（住院数 13,449/13,499、表名两写法、死亡率四舍五入）；L2 与 L1 冲突时从 L1（如 13,944 vs 13,941）；L3 不与 L1/L2 混排。

§3 数据集规格

3.1 16 表全家福（v1.0 口径）与行数总账

论文 Table 1 的完整行数（这是全库的身家清单，直接背下来）：

表	行数	语义	完整度
PATIENTS	12,881	患者主档	—
ADMISSIONS	13,449	住院主档	—
ICUSTAYS	13,941	ICU 住留	—
CHARTEVENTS	2,278,978	生命体征/护理观察	79.7%
LABEVENTS	10,094,117	检验结果	93.9%
PRESCRIPTIONS	1,256,591	医嘱用药	51.5%
SURGERY_VITAL_SIGNS	1,216,011	术中每 5 分钟生命体征	47.7%
EMR_SYMPTOMS	402,142	NLP 症状（+/−）	6.7%
MICROBIOLOGYEVENTS	183,869	微生物培养与药敏	89.7%
OR_EXAM_REPORTS	183,809	检查报告事件	91.9%
OUTPUTEVENTS	39,891	出量	11.7%
INPUTEVENTS	26,884	每日晨计算入量	41.1%
DIAGNOSES_ICD	13,365	ICD-10/ICD-O-3 诊断	99.4%
D_ICD_DIAGNOSES	25,378	诊断字典	—
D_LABITEMS	832	化验项目字典	—
D_ITEMS	466	项目字典	—

合计约 1,870 万行。v1.1.0 再加 SURGERY_INFO（手术名称/时间/麻醉方式）。三条速读：LABEVENTS 一表独大（占一半以上行数）——儿科的检验密度远高于体征记录密度；DIAGNOSES_ICD 完整度 99.4% 是全库最可靠的强特征源；EMR_SYMPTOMS 完整度 6.7% 最低——它只覆盖有病程记录的子集，千万别当全库背景表。

3.2 三表骨架与 MIMIC-III 的同构性

PATIENTS / ADMISSIONS / ICUSTAYS 三表均含 SUBJECT_ID、HADM_ID、ICUSTAY_ID，与 MIMIC-III 的三键体系完全同构。数据整合与清洗也按同一套逻辑：官方 Methods 明确"使用 SUBJECT_ID 和 HADM_ID（出现在 ADMISSIONS、PATIENTS、ICUSTAYS 表中）进行数据整合与过滤"，并清理了"就诊年份为 1900"这类不可能值与中文字符显示为数字的错误。对 MIMIC-III 老手的心智迁移成本接近零——这正是 PIC 立项时明确的设计目标（官方：“allowing researchers to leverage their experience with MIMIC-III”）。

3.3 DAIMS 数据AI就绪度评估

按本系列 DAIMS 八维度打分（每项 0-1，总 8）：

维度	得分	评语
文档完备性	0.9	PhysioNet 页面 + Sci Data 论文 + pic.nbscn.org 文档站三层文档；扣分项：文档站部分内容偏旧
机器可读性	0.8	标准关系 schema + SQL 装载脚本（MySQL/PostgreSQL 双方言）；ITEMID 字符类型需适配
标签质量透明度	0.8	NLP 症状表给了双人核对的准确率区间与错误分类；日期偏移规则透明
可访问性	0.9	Credentialed 但流程轻（3 个工作日）、支持 GCP 认证（对中国研究者友好）
许可清晰度	0.8	DUA 明确禁再识别；具体许可证名称页面未列明
格式标准化	0.8	CSV + 标准 SQL；双语双列方案是对标准化的补充而非破坏
评测协议完备性	0.6	无官方基准任务与划分；社区 10 项研究提供了事实参照
生态可持续性	0.8	永久 DOI + RRID + 文档站；更新止于 v1.1.0（2020-11），活跃度下降
合计	6.4 / 8	结构与文档的"移民红利"型选手——师承 MIMIC 让它开箱即用；短板在评测协议与更新停滞

对照同批：mimiciv 492 约 7.2、nosocomial 493 7.8、phenotype-annotations 494 6.5。PIC 的 6.4 里含"翻译工程"的隐性加分——若按纯技术维度它可能更低，但双语创新值得单列。

3.4 双语工程的完整解剖

官方双语方案的四层结构：

有国际编码的术语走标准：ICD-10 诊断的英文直接用标准编码英文版；化验项目有 LOINC 码的用 LOINC 英文版——这类翻译零人工、零争议；
无编码术语人工翻译：由三位作者（X.Z.、Y.L.、H.L.）翻译并相互复核——覆盖率与术语表规模官方未给出，但从 D_LABITEMS（832 项）/ D_ITEMS（466 项）的字典规模看，人工翻译的量级是可控的；
原文保留原则：所有表保留原始中文术语 + 英文对应——中文列统一加 _cn 后缀。这条"原文在场"原则让翻译层可审计、可替换（未来若有更好的翻译可以重做而不破坏原始数据）；
编码粒度的不对称：本地 ICD-10 是 7 位扩展（标准 5 位），中文诊断比英文诊断更具体——例如 7 位码可携带更细的解剖部位/形态学信息。这对表型定义是增益（中文列信息量大），对跨语言对齐是挑战（英文侧丢失精度）。

工程提醒：ITEMID 是字符字段（MIMIC-III 是整数）——从 MIMIC 迁移过来的脚本里所有 ITEMID 的类型断言、JOIN 条件、索引定义都要改。

3.5 访问流程：全球研究者的最低门槛设计

PIC 的访问设计有三处体贴：认证双轨——完成国际通行的人体受试者培训（含 HIPAA）或中国的 GCP 认证（Good Clinical Practice）——后者让中国临床研究者不用先去考 CITI；审批快速——官方明示约 3 个工作日；MIMIC 老手无缝——“已获准访问 MIMIC-III 的研究者对此流程熟悉”。DUA 的两条硬约束：禁止任何再识别尝试；遵循"协作研究原则"（collaborative research）——后者为跨国合作提供了正当性框架，也是许多中国数据集 DUA 的特色条款。

3.6 装载手册（MySQL 与 PostgreSQL 双方言）

官方提供两种数据库的完整装载脚本：

# PostgreSQL（推荐路径，免解压）
# 1. 下载全部 gzip CSV + SQL 脚本
# 2. 创建 schema 并设搜索路径
psql -c "CREATE SCHEMA pic; SET search_path TO pic;"
# 3. 建表并直读 gzip 装载
psql -f 1-create-tables-load-data-gzip.sql
# 4. 索引与约束
psql -f 2-index.sql
psql -f 3-constraints.sql

MySQL 路径：解压（gzip/7zip）→ 建 schema “pic” → define.sql（建表+装载）→ index.sql + constraints.sql。装载后第一小时：跑行数对账（对照 §3.1 的 Table）、检查日期字段的"未来年份"分布（§3.7）、抽样验证双语列的完整性。

3.7 去标识化的三条规则（每条都是工程参数）

日期平移 50-100 年：所有日期向未来平移随机患者特异性偏移，住院时间落在约 2060-2120 年。同患者同一常量 → 患者内时序、住院间隔、治疗时间线全部保留；跨患者时序不可比（两条线无法对齐到同一"真实年份"）。保留项：一天中的时刻、星期几、大致季节（春 3-5 月/夏 6-8/秋 9-11/冬 12-2）。工程纪律：任何按年份过滤的代码都是 bug；季节分析用月份而非日期；"住院年份"字段只能用于偏移后空间的相对排序；
ID 随机重编号：SUBJECT_ID/HADM_ID/ICUSTAY_ID 均为随机唯一编号，原始标识符不留存，不可逆——官方定性为匿名化（而非仅去标识）；
种族的小样本归并：人口极少数民族替换为 “Other”——做种族分层分析时把它当"剩余类"而非真实类别。

另有第四条儿科专属：全部患者 <18 岁，不存在 MIMIC-III 的 anchor_age=91 归并问题——年龄字段可用原值（但注意 NICU 的天级粒度，§2.2）。

3.8 机器可读元数据速查（AI-Ready 属性）

属性	值
语言	英汉双语（字典 + `_cn` 列方案）
中心	单中心（ZUCH，杭州）
时间覆盖	2010-2018（平移后 2060-2120）
年龄	0-18 岁（中位 0.8 岁）
表数	16（v1.0）→ 17（v1.1.0 含 SURGERY_INFO）
总行数	约 1,870 万
ID 体系	SUBJECT_ID / HADM_ID / ICUSTAY_ID（MIMIC-III 同构）
诊断编码	ICD-10（7 位本地扩展）+ ICD-O-3
文本形态	中文原文未发布；NLP 症状表（+/−）替代
高频生理	仅术中（5 分钟）；病房为护士间歇记录
死亡口径	院内死亡（无出院后随访）
分发格式	gzip CSV + SQL 脚本（MySQL/PostgreSQL）

3.9 文件导航与装载陷阱

PhysioNet 文件区：v1.1.0 全量文件夹、update_to_v1.1.0 增量文件夹（含迁移 SQL）、装载脚本、许可证文件。三个装载陷阱：其一，v1.0 老用户若只跑增量文件夹，注意 DIAGNOSES_ICD 的"主要诊断"字段是新增列——旧查询里按全表 JOIN 的逻辑要适配；其二，gzip 直读装载在 Windows 上不可用（需先 7zip 解压走 -csv 版脚本）；其三，字符型 ITEMID 在导入时若被工具"智能"转成数字，会与字典表 JOIN 失败——关闭自动类型推断。

3.10 与论文口径的对照表（防混用）

概念	论文口径	本条目采用	备注
住院数	13,449（Table 1/2）	13,449	正文另有 13,499 写法（存照 B）
ICU 住留	13,941	13,941	MDPI 综述写 13,944，弃用
患者数	12,881	12,881	各来源一致
院内死亡率	7.1%（正文）/7.2%-971 例（Table 2）	7.1% 并注明	差异来自四舍五入口径
表数	16（Table 1）	16 + SURGERY_INFO	v1.1.0 增表
死亡率对比	ICU 内 6.9%（955 例）	另列	与院内死亡 971 例差 16 例=出院后死亡

§3.11 跨库对齐协议：PIC ↔ MIMIC-III/IV 的映射细则

跨库研究的对齐清单（结合 §4.9 逐表差异展开为操作规程）：

对齐项	方法	风险
ID 体系	三键同构，直接映射	无——这是同构红利
单元类型	GICU→MICU 类比、NICU→NICU、SICU→SICU	CICU/GICU 无 MIMIC 对应物，映射表要显式留空
诊断编码	ICD-10↔ICD-9 用通用映射 + 儿科章节人工核对	P/Q 章映射质量差，需人工抽检
检验项目	LOINC 为桥（PIC 走 LOINC，MIMIC 需 itemid→LOINC 补链）	MIMIC 侧 LOINC 覆盖不全
药物	中英文名→ATC 双边归一	中文药名多音译，ATC 映射需人工
生命体征	概念对齐（心率/血压/呼吸）按 D_ITEMS 双语名	护士记录习惯差异导致分布差
时间	只对齐相对时间（入 ICU 后 h），绝对日期禁止对齐	偏移量不可逆

发布跨库研究时的声明模板：“对齐基于 schema 同构与 LOINC/ATC 桥接；单元映射存在无对应项；诊断映射经人工抽检 N 条、一致率 x%；所有时间分析仅使用 ICU 内相对时间。”

§4 数据结构

4.1 实体关系图：五类临床事件围绕三键

PATIENTS ──1:N── ADMISSIONS ──1:N── ICUSTAYS
    │                │                │
    │           DIAGNOSES_ICD    CHARTEVENTS（病房体征）
    │           （ICD-10/10-O）   SURGERY_VITAL_SIGNS（术中5min）
    │                │           LABEVENTS（检验）
    │           OR_EXAM_REPORTS  PRESCRIPTIONS（医嘱）
    │           （检查报告事件）   INPUTEVENTS/OUTPUTEVENTS（液体）
    │                │           MICROBIOLOGYEVENTS（微生物）
    └──── 字典表 D_ITEMS / D_LABITEMS / D_ICD_DIAGNOSES ────┘
                        （双语：中文原文 + 英文对应）

4.2 字符型 ITEMID：一处类型差异的全局影响

PIC 与 MIMIC-III 最隐蔽的结构差异：PIC 的 ITEMID 是字符字段。全局影响四处：JOIN 类型必须显式一致（字符 vs 整数的 JOIN 是隐式转换 bug 温床）；字典表的排序语义变了（字符排序 ‘10’ < ‘2’）；从 MIMIC 迁移的特征抽取脚本要过一遍类型断言；CSV 导入工具的自动类型推断会把它转成整数——必须关闭。这条差异官方在页面里专门加粗提示，说明踩坑的人不少。

4.3 EMR_SYMPTOMS 表：中文临床文本的结构化出口

这是 PIC 最具原创性的表。背景：中文自由文本（入院记录、出院小结、病程记录、转科记录）因中文临床 NLP 去标识工具不可用而无法直接发布——团队选择用 NLP 把最常见的临床单元（症状及其否定状态）抽出来发布：

schema：症状术语（双语）+ 极性标记（"+"存在 / "—"否定）+ 文档记录时间 + 患者三键；
质量档案：随机 100 份笔记 → 3,410 个症状 → 两位作者独立核对 → 平均准确率 91.9% [91.3%, 92.4%]；
三类错误公开：中文长短语无自然词边界导致分词错误；阳性/阴性判定错误；家庭成员症状被误判为患者症状（"其母诉患儿近日……"类句式）；
官方态度：明确提醒研究者"谨慎使用这些提取数据"。

方法学价值：这是中文临床 NLP 少见的"系统 + 准确率区间 + 错误分类学"三件套公开。91.9% 意味着约 8% 的噪声是有结构的——做下游建模时可以把这三类错误模式当先验（如对含家庭成员指代的句子降权）。

4.4 双时间轴：CHARTEVENTS 的稀疏与 SURGERY_VITAL_SIGNS 的密

PIC 有两条生命体征轴：CHARTEVENTS（护士间歇记录，2,278,978 行/13,941 住留 ≈ 每住留 164 条）与 SURGERY_VITAL_SIGNS（术中 5 分钟，1,216,011 行——分母只有手术患者）。对照 MIMIC-III（床旁监护约 1 小时粒度）与 eICU（也约 1 小时），PIC 的病房轴其实更稀疏，但术中轴更密。建模启示：围术期队列（SICU/CICU）可用高频特征，内科队列（GICU/PICU）只能用稀疏特征——同一个模型在两类队列上的特征工程策略应该不同。

4.5 检验表：千万行的主战场

LABEVENTS 1,009 万行、完整度 93.9%，是 PIC 的数据主战场。儿科检验的特殊性：参考范围随年龄剧烈变化（同一个"白细胞 15×10⁹/L"在新生儿是正常、在学龄儿是感染信号）——D_LABITEMS 只有 832 个项目（MIMIC-III 是 700+），但每个项目的正常范围解析需要年龄分段函数。工程配方：把年龄分段（新生儿/婴儿/幼儿/学龄/青春期）做成公共维度表，检验值先归一化为"相对参考范围的 z 分数"再进模型——这是儿科 ML 与成人 ML 最重要的一处差异。

4.6 用药表：体重剂量的世界

PRESCRIPTIONS 1,256,591 行、完整度 51.5%。儿科用药三大特征：剂量按体重/体表面积计算（mg/kg 类字段的解析需要体重数据——注意 PATIENTS/ADMISSIONS 里的体重字段或 CHARTEVENTS 里的体重测量）；药物名以中文为主（双语字典对齐英文名）；完整度 51.5% 的非随机性（门诊带药 vs 院内医嘱的记录渠道差异）。与 492 条目（MIMIC-IV）的药物四链（prescriptions→pharmacy→emar→poe）相比，PIC 只有 prescriptions 单链——用药执行的闭环不可验证，药效分析要声明这个缺口。

4.7 微生物表与药敏结构

MICROBIOLOGYEVENTS 183,869 行：培养事件 + 病原 + 药敏结果。结构上近似 MIMIC-III 的 microbiologyevents（specimen/organism/antibiotic 三层），中文药名经字典表对齐英文。儿科感控研究的使用姿势：新生儿败血症的病原谱（B 族链球菌、大肠杆菌的时间分布）、ICU 耐药率漂移（十年窗口正好覆盖抗菌药物管理政策期）、药敏-用药匹配的回顾审计（与 PRESCRIPTIONS 关联）。

4.8 血缘与漂移：单中心九年的两面

PIC 的血缘一跳到底：六个院内系统 → 提取清洗（MIMIC-III 规则）→ 去标识（日期平移/ID 重编号）→ 16 表 → PhysioNet。单中心九年的两面性：研究面——设备更换、诊疗规范更新、人员轮班制度的漂移都发生在同一空间内，时间漂移研究（MDPI 综述称之为 single-center temporal drift）可控性最好的素材；局限面——没有跨中心方差，模型泛化结论只能声明"ZUCH 内有效"。

4.9 与 MIMIC-III 的逐表对照速查

PIC 表	MIMIC-III 对应	关键差异
PATIENTS	patients	无 anchor_age=91 问题；性别字段同构
ADMISSIONS	admissions	无社保死亡链接；出院类型字段核对
ICUSTAYS	icustays	5 单元命名不同（GICU/PICU/SICU/CICU/NICU）
CHARTEVENTS	chartevents	更稀疏（护士记录）；ITEMID 字符型
LABEVENTS	labevents	参考范围需年龄分段
PRESCRIPTIONS	prescriptions	无 emar/pharmacy 执行链
DIAGNOSES_ICD	diagnoses_icd	ICD-10+O-3 vs ICD-9；7 位本地扩展
SURGERY_VITAL_SIGNS	（无）	PIC 独有：术中 5 分钟
EMR_SYMPTOMS	（无）	PIC 独有：NLP 症状

4.10 数据质量总评

论文 Table 4 的完整度分档就是官方自评：高/优档 DIAGNOSES_ICD 99.4%、LABEVENTS 93.9%、OR_EXAM_REPORTS 91.9%、MICROBIOLOGYEVENTS 89.7%、CHARTEVENTS 79.7%；中档 PRESCRIPTIONS 51.5%、SURGERY_VITAL_SIGNS 47.7%、INPUTEVENTS 41.1%；低档 OUTPUTEVENTS 11.7%、EMR_SYMPTOMS 6.7%。使用总纪律：诊断与检验是主粮，液体与症状是配菜——主粮可直接建模，配菜必须先做缺失机制分析（它们缺在"哪类患者"上，比缺多少更重要）。

§4.11 儿科分析 SQL 速查：五个高频查询

-- 1. 年龄分段分布（月龄段）
SELECT CASE WHEN EXTRACT(YEAR FROM AGE(admittime, dob)) < 1 THEN '0: <1y'
            WHEN EXTRACT(YEAR FROM AGE(admittime, dob)) < 4 THEN '1: 1-3y'
            WHEN EXTRACT(YEAR FROM AGE(admittime, dob)) < 12 THEN '2: 4-11y'
            ELSE '3: 12-18y' END AS age_band,
       COUNT(*)
FROM pic.admissions GROUP BY 1 ORDER BY 1;

-- 2. 检验 z 分数化的分母：各项目的年龄中位数参考
SELECT l.itemid, d.label, d.label_cn,
       PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY l.valuenum) AS median_val
FROM pic.labevents l
JOIN pic.d_labitems d USING (itemid)
JOIN pic.admissions a USING (subject_id, hadm_id)
WHERE l.valuenum IS NOT NULL
GROUP BY 1, 2, 3 HAVING COUNT(*) > 1000;

-- 3. 术中高频窗口：手术患者的 SpO2 轨迹抽样
SELECT s.subject_id, s.vital_time, s.spo2
FROM pic.surgery_vital_signs s
WHERE s.spo2 IS NOT NULL
ORDER BY s.subject_id, s.vital_time LIMIT 50;

-- 4. 症状表利用：某症状的阳性/阴性比
SELECT symptom, polarity, COUNT(*) FROM pic.emr_symptoms
GROUP BY 1, 2 ORDER BY 1, 2;

-- 5. 诊断章节画像（ICD-10 首字母）
SELECT SUBSTRING(icd_code FROM 1 FOR 1) AS chapter, COUNT(*),
       ROUND(AVG(hospital_expire_flag)::numeric, 3) AS mortality
FROM pic.diagnoses_icd di JOIN pic.admissions a USING (subject_id, hadm_id)
GROUP BY 1 ORDER BY 2 DESC;

五个查询覆盖了儿科建模最常用的底表操作；注意查询 2 的"年龄中位数参考"只是粗参考——真正的参考范围要按临床手册分段，不要用数据分布替代临床规范。

§5 下游分析协议

5.1 环境准备与首次对账

-- PostgreSQL 装载后第一组对账查询
SELECT COUNT(*) FROM pic.patients;     -- 12,881
SELECT COUNT(*) FROM pic.admissions;   -- 13,449
SELECT COUNT(*) FROM pic.icustays;     -- 13,941
SELECT COUNT(*) FROM pic.labevents;    -- 10,094,117
-- 双语列抽查
SELECT itemid, label, label_cn FROM pic.d_labitems LIMIT 10;
-- 未来年份确认（去标识化特征，不是 bug）
SELECT MIN(charttime), MAX(charttime) FROM pic.chartevents;

四组查询全对上再开工。未来年份看到 2060-2120 属预期行为（§3.7）。

5.2 评测协议建议：没有官方基准，自己立规矩

PIC 无官方 train/test 划分与基准任务。参照社区 10 项研究（MDPI 综述）的事实惯例，推荐协议：患者级划分（SUBJECT_ID 分组，468 名多次住院患者全部留在单侧）；时间锚点前置——预测任务从 ICU 入住后固定窗口（如 6h/12h/24h）开始，避免治疗信息倒灌；单元分层报告——GICU 15.3% vs SICU 2.0% 的死亡率差 7 倍，混合评估无意义；多种子方差——13,941 住留的体量对种子敏感；校准必报——判别力（AUC）之外必须报校准曲线/Brier 分数（MDPI 综述的三条主张之一）。

5.3 院内死亡预测：基线配方

最常用任务的参考实现：

-- 标签：住院结局（院内死亡 7.1%）
SELECT a.subject_id, a.hadm_id,
       CASE WHEN a.expire_flag = 1 THEN 1 ELSE 0 END AS label
FROM pic.admissions a
JOIN pic.icustays i USING (subject_id, hadm_id)
GROUP BY 1, 2, 3;

特征三板斧：人口学（年龄用小数、性别、单元类型）；检验 z 分数（§4.5 的年龄分段归一化）；稀疏体征聚合（CHARTEVENTS 入住后 24h 窗口的 min/max/mean/趋势）。模型起点用逻辑回归 + XGBoost，报 AUC + 校准；对照水位参考 MDPI 综述汇总的既往研究（注意各家标签定义不同，只比相对结论不比绝对数字）。

5.4 脓毒症与器官功能障碍：标签构造的坑

MDPI 综述汇总的研究方向之一是脓毒症早期识别。PIC 上构造脓毒症标签的三个坑：感染证据用 MICROBIOLOGYEVENTS 培养阳性 + 抗菌药物暴露（PRESCRIPTIONS）双条件——培养污染与预防性用药都是噪声源；儿童脓毒症标准与成人 Sepsis-3 不同（儿科用的是 Phoenix/旧版 pSOFA 体系），直接套 Sepsis-3 会被审稿人打回；年龄分段阈值再次生效——心率/血压的异常判据按年龄查表。器官功能障碍表型（AKI 等）同理：儿科肌酐参考范围的年龄依赖性比成人更强。

5.5 双语字典的利用协议

双语 NLP 或跨国协作的三种用法：术语对齐研究——用 D_LABITEMS/D_ITEMS 的中英对照研究中文临床术语的翻译等价性（832 + 466 个对照对是现成语料）；跨库映射——把 PIC 的 ICD-10 与 MIMIC-III 的 ICD-9 做章节级映射（Q/P 章在 ICD-9 中结构不同，别用通用映射表硬套）；symptom 表的下游利用——EMR_SYMPTOMS 的双语症状词表可服务中文临床 NER/极性检测的弱监督。

5.6 成人模型→儿科迁移的校准协议

把 MIMIC 上训练的模型搬到 PIC（或反向）的正确姿势：先做分布对账（年龄分布 §2.8 的两世界图，特征语义逐个审计）；重估参考范围（所有用到成人正常值的特征重新按儿科标准计算）；只迁移表示不迁移决策——预训练编码器可用，输出层与校准层必须重训；温度缩放/等回归校准在儿科子集上重做；报告单元分层与年龄分层性能。直接迁移不校准的失败模式见 §7.6。

5.7 质量改进研究协议：把单中心当纵向实验

PIC 的单中心九年窗口适合回答"同一个 ICU 随时间如何变化"：按入住年份切片，追踪死亡率/住院日/检验组合/用药模式的漂移；对照期内的政策事件（如抗菌药物管理）做前后对照；用控制图（p-chart/CUSUM）处理 7.1% 基线率的自然波动。这类研究不必 ML，但恰恰是临床团队最认的产出形态。

5.8 常见错误用法黑名单

按真实年份过滤——日期平移后所有"年份"都是假的（§3.7）；
把 ITEMID 当整数——字符型，JOIN 失败或字典错配（§4.2）；
把 EMR_SYMPTOMS 当全库背景——完整度 6.7%，只覆盖有病程记录的子集；
套用成人参考范围——检验 z 分数必须年龄分段（§4.5）；
跨患者时间对齐——日期平移使跨患者时序不可比；
用 SURGERY_VITAL_SIGNS 做全库生理背景——它只属于手术患者的手术时段；
套 Sepsis-3 成人标准——儿科用儿科标准（§5.4）；
声称出院后生存分析——没有出院后死亡数据。

5.9 复现包最小清单

发布基于 PIC 的研究时附带：装载脚本版本（v1.1.0）与装载日期；行数对账输出；划分文件（SUBJECT_ID 列表）；年龄分段函数源码（z 分数化的公共实现）；单元/年龄分层报告模板；多种子配置；环境锁定文件；双语字段的引用声明（字典表是团队翻译劳动，注明）。

5.10 与 492/494 条目的联合路线

PIC + MIMIC-IV（492）：同构 schema 的跨库迁移研究——结构对齐零成本，语义对齐（年龄/参考范围/编码）是全部工作量，天然的"schema 同构 ≠ 分布同构"教学实验；
PIC + phenotype-annotations（494）：临床文本标签路线对照——494 的人工金标准 vs PIC 的 NLP 症状表（91.9% 且错误分类公开），合成"标注质量谱系"的完整两端；
三者：成人库 + 儿科库 + 金标准标注的完整矩阵，足够撑起一门"医疗数据工程"研究生课。

§6 实证结果与方法学分析

6.1 论文给出的实证基座

Sci Data 论文本身是数据描述论文，它的"实证"是三张表：Table 1（16 表行数与语义）、Table 2（单元级人口学与结局：性别、年龄、死亡率）、Table 3（与 MIMIC-III 的特征对照）。从这三张表能提炼的硬结论：单元间死亡率梯度（GICU 15.3% → CICU/SICU 2.0%）；年龄中位 0.8 岁 vs MIMIC-III 的 60.6 岁的两世界分布；双语与 ICD-10 是结构性差异而非表面包装。数据完整度表（Table 4）则是官方自评的质量地图——99.4% 的诊断 vs 6.7% 的症状表，这张"贫富分化"图本身就是使用指南。

6.2 NLP 症状抽取的质量审计：91.9% 的含金量

EMR_SYMPTOMS 的质量审计设计值得逐字读：随机 100 份笔记（覆盖入院/出院/病程/转科四类）、抽出 3,410 个症状、两位作者独立核对、报平均准确率 91.9% [91.3%, 92.4%]。三点评注：其一，报区间而非单点——样本量 3,410 下区间的宽度是诚实的；其二，错误三分类（分词错误/极性错误/家属症状混淆）给了下游"噪声结构图"——不是随机 8% 噪声，而是可预测的错误模式；其三，混淆来源第三条（家庭成员症状）是中文家庭中心叙事文化的直接产物——"其母诉患儿……"句式在英文病历里罕见，这是双语数据集才暴露得出的错误类型。

6.3 完整度的非随机缺失地图

Table 4 的完整度数字必须配"谁被记录"的解读：PRESCRIPTIONS 51.5%——住院全程的医嘱覆盖约一半，缺口集中在非 ICU 住院时段；INPUTEVENTS 41.1%——"每日晨计算"的机制本身就是抽样；OUTPUTEVENTS 11.7%——出量记录依赖护理执行率；EMR_SYMPTOMS 6.7%——只有病程记录存在的子集。四者共同点：缺失与临床场景强相关（外科 vs 内科、ICU 段 vs 普通段），MCAR 假设全不成立。任何用到这四张表的模型，缺失指示器本身会成为最强特征之一——这是警告也是提示：显式建模缺失机制比假装完整更好。

6.4 死亡率的单元分层真相

院内死亡率 7.1% 是全库粗率，拆开是五个世界：GICU 15.3%、PICU 9.8%、NICU 7.5%、CICU 2.0%、SICU 2.0%。三层解读：其一，GICU 是兜底单元（各科复杂病例汇入），高死亡率反映的是病例谱而非医疗质量——跨院比较时若不分层会得出荒谬结论；其二，CICU/SICU 的 2.0% 是围术期队列，其死亡风险分布在手术时段（SURGERY_VITAL_SIGNS 的时间窗），与 GICU 的"全住留风险"语义不同；其三，任何死亡预测模型必须报单元分层 AUC——混合模型大概率学到的是"单元类型"这个捷径特征。

6.5 社区研究图谱：10 项 ML 研究的合成结论

MDPI Bioengineering 2026 综述（二手来源，存照 E）对截至当时的 10 项 PIC-based ML 研究做了叙事综合：方向覆盖导管相关血栓、脓毒症、院内死亡、器官功能障碍表型。综述的三条主张值得全录：**其一，上游设计选择（标签卫生、时间锚点与预测间隙、不规则时间序列的特征窗口、缺失的原理性处理）对性能/可复现性/临床效用的驱动至少与分类器选择同等重要；其二，单点判别指标不足，必须配校准、决策曲线分析与贴近部署的验证；其三，PIC 应被视作协作性儿科 ICU 数据生态的种子。**第三条是定位性判断——与官方"国际数据共享"的立项初衷呼应。

6.6 四大基质特性：综述的方法学抽象

该综述把 PIC 的建模难点抽象为四个基质（substrate）特性，直接采纳为建模纪律：不规则时间序列（病房轴护士记录的稀疏与不规律采样——时间序列模型需处理任意间隔）；构造标签（死亡/脓毒症/血栓都是研究者构造的标签，定义敏感性高——做敏感性分析）；单中心时间漂移（九年设备/规范/流程漂移——时间外推验证必不可少）；双语标识符语义（ITEMID 字符型 + 中英双轨——特征工程中的语义对齐成本）。这四条加 §5.8 黑名单构成本条目的"防坑体系"。

6.7 时间漂移的量化建议

九年窗口的漂移检验配方：按入住年份切十层，对每个特征画年均值/分布带；死亡率控制图（年死亡率 7.1% 基线的 p-chart）；设备迁移断点（监护仪/信息系统更换的年份若可知，做断点分析）。漂移研究的最小结论格式：“特征 X 的分布漂移幅度超过模型输入容差，故时间外推需重校准”——把漂移从模糊担忧变成可测对象。

6.8 八个必知的坑（坑点 1-8）

坑点 1：未来日期不是 bug。住院时间 2060-2120 是 50-100 年偏移的去标识化设计；按真实年份过滤、跨患者时间对齐都是错误用法（§3.7）。

坑点 2：ITEMID 是字符。从 MIMIC 迁移的脚本里所有整数假设都会翻车；CSV 导入时关掉自动类型推断（§4.2）。

坑点 3：中文原文不在库里。自由文本未发布；EMR_SYMPTOMS 是替代品且完整度 6.7%——想要文本做 LLM 的人请换目标（§4.3）。

坑点 4：成人参考范围失效。检验值必须年龄分段归一化；生命体征阈值查儿科表（§4.5、§5.4）。

坑点 5：单元混训学捷径。GICU 15.3% vs SICU 2.0%，混合训练的模型学到单元类型而非病理；分层报告是底线（§6.4）。

坑点 6：Sepsis-3 不可用。儿科脓毒症标准不同（Phoenix/pSOFA 体系）；成人标签管线直接套用会被打回（§5.4）。

坑点 7：高频数据的错觉。5 分钟生命体征只属于手术时段；病房轴比 MIMIC-III 还稀疏——"PIC 有高频数据"是半句话（§4.4）。

坑点 8：版本口径。论文 Table 1 是 v1.0 的 16 表；v1.1.0 有 SURGERY_INFO 与主要诊断字段；MDPI 综述的 13,944 与论文 13,941 差 3——引用一律以论文 Table 口径（§3.10）。

6.9 使用者自查清单

[ ] 已通过 PhysioNet 认证（培训/GCP）+ 签 DUA
[ ] 装载后行数对账五连通过（§5.1）
[ ] 代码里无"真实年份"过滤逻辑
[ ] ITEMID 全链路字符型处理
[ ] 检验特征做了年龄分段归一化
[ ] 模型报告含单元分层 + 年龄分层 + 校准
[ ] EMR_SYMPTOMS 使用处声明了 6.7% 完整度与 91.9% 抽取准确率
[ ] 脓毒症类标签用了儿科标准
[ ] 版本口径声明为 v1.1.0（或 v1.0 并注明）
[ ] 复现包含划分文件与年龄分段函数（§5.9）

6.10 家族治理定位：MIMIC 出口的第一站

PIC 在 MIMIC 家族治理图谱上的位置：它是 MIMIC-III schema 的第一个完整国际移植，证明了"表结构 + 治理协议 + DUA 文化"整套方法的可出口性。之后的中国中心 PhysioNet 数据集（自贡四院感染库、Chinese critical care database 等）走的都是 PIC 踩出来的路。治理层面的三个可复制件：认证双轨制（国际培训/GCP）；增量版本发布（v1.0 → v1.1 的 update 文件夹模式——老用户零成本升级）；质量自评表（Table 4 完整度分档——把数据缺陷当元数据发布）。

6.11 冲突口径诊断树

数字不符？
├─ 住院数 13,449 vs 13,499 → 论文 Table 1/2 vs 正文自相矛盾（存照 B）；本条目用 13,449
├─ ICU 住留 13,941 vs 13,944 → 论文 vs MDPI 综述；用论文 13,941
├─ 死亡率 7.1% vs 7.2% → 正文四舍五入 vs Table 2 合计（971 例）；报 7.1% 并注明
├─ 表数 16 vs 17 → v1.0 论文口径 vs v1.1.0 实际（+SURGERY_INFO）
├─ 字典表名 D_ICD_DIAGNOSES vs D_DIAGNOSES_ICD → 论文 vs PhysioNet 页面写法不一（存照 C）；装载后以实际文件为准
└─ "英国"来源 → 批次元数据笔误；官方为中国 ZUCH（存照 A）

6.12 冻结生态与更新预期

PIC 的最后更新停在 v1.1.0（2020-11），论文措辞里"未来将标准化并发布"的检查报告内容（OR_EXAM_REPORTS 的文本部分）至今未见下文。文档站仍在线、引用持续增长（超 100 篇），但库本体进入冻结维护态。使用策略：把它当稳定基础设施（冻结是可复现性的朋友）；关注官方渠道是否发布 v1.2 或扩展文本资源；任何"最新数据"的期待都应收敛到"2010-2018 窗口"这个事实。

6.13 与同类儿科数据资产的横向定位

资产	类型	儿科覆盖	开放度	与 PIC 关系
PIC	EHR 关系库	0-18 全谱 + NICU	PhysioNet Credentialed	本体
MIMIC-III NICU 子集	EHR 关系库	仅新生儿（美国）	Credentialed	新生儿段的国际对照
VPS / PICANet	行政审计注册库	多中心	受限/审计用途	有广度无深度（无时序检验用药）
Philips/其他院内库	院内数据	各院自定	不开放	PIC 提供了它们的开放化模板
494 表型标注	文本标注	成人	Credentialed	标签路线对照

综述原话：PIC 是"唯一同时具备关系型 EHR 深度与国际可及性的开放资源"——它在这个生态位上没有对手。

6.14 静态库 × 活跃文献：增量价值策略

库冻结但文献活跃（超 100 引用且持续），增量价值的三条路：方法学——把新方法（LLM 特征抽取、基础模型微调）在冻结库上做受控评测，文献价值反而因库稳定而更高；再分析——对 10 项已有研究做系统综述/meta 层面的方法学审计（MDPI 综述开了头）；生态位补全——PIC 缺的（出院后随访、多中心、文本）由其他资源补，做"PIC + X"的联合研究设计而不是等 PIC 自己补全。

§6.15 十条常见反对意见与回应

论坛与审稿中反复出现的质疑，逐一回应：

“单中心数据没价值”——单中心的纵向一致性恰是方法学研究的优势；多中心的方差控制是另一类研究设计，两者互补而非替代；
“1.2 万患者太小”——对表型明确的儿科亚组研究足够；且儿科人群本就稀缺，PIC 是该生态位的最大开放资源；
“没有文本不能做 NLP”——症状表 + 双语字典就是中文临床 NLP 的结构化语料；文本发布受去标识技术限制，不是保守；
“中国数据国际可比性差”——双语工程与 ICD-10/LOINC 对齐就是为可比性设计的；对比研究（如 §2.8 年龄分布）正是可比性的操作化；
“数据太旧（2010-2018）”——冻结是可复现性的朋友；诊疗规范漂移本身是研究对象（§6.7）；
“为什么没有波形数据”——术中 5 分钟是 AIMS 系统的能力边界；床旁波形研究者请用 vitaldb/HiRID，人群定位不同；
“死亡率 7.1% 太低/太高”——单元间 2.0%-15.3% 的梯度才是真相；混合基线率只是分层结构压缩后的投影；
“MIMIC 脚本直接跑就行”——§5.8 黑名单八条里六条都是"MIMIC 脚本直接跑"引发的；同构是起点不是终点；
“官方更新停了所以弃用”——冻结库的引用仍在增长（超 100 篇）；基础设施的成熟度不看更新频率看可复现性；
“中文术语我看不懂”——字典表 + _cn 列方案正是为此设计；三位作者的人工翻译是给国际研究者的桥，不是障碍。

§6.16 静态库 × 活跃文献的增量策略

库冻结（v1.1.0，2020-11）而引用活跃（超 100 篇，2025-05 官方统计）的组合，指向三条增量路线：再分析层——对已发表研究做方法学审计（标签定义、校准报告率、划分卫生），MDPI 综述已开先例；组合层——PIC+MIMIC 的跨库、PIC+494 的标签谱系、PIC+VitalDB 的术中延伸，冻结库在组合研究里是稳定的"锚点资产"；工具层——把装载脚本、对账清单、年龄分段函数做成开源工具包（mimic-code 模式），工具引用反哺数据引用。三条路的共同前提：引用版本口径（v1.1.0）与日期偏移事实，这是冻结库的"版本纪律"。

§7 AI 就绪指南与应用场景

7.1 五种标准喂法

院内死亡预测：最热任务；单元分层 + 校准为底线（§5.3 配方）；
儿科脓毒症/器官功能障碍早期识别：标签构造按 §5.4；PIC 的微生物+用药双证据链是优势；
围术期风险预测：SURGERY_VITAL_SIGNS 的高频窗口做术中低血压/缺氧预警——PIC 独有赛道；
双语术语对齐：字典表 + 症状表服务中文临床 NLP（§5.5）；
跨库迁移研究：与 MIMIC-IV 的同构异源实验（§5.10）——成人与儿科两个分布的方法学对照。

7.2 死亡线：30 分钟跑通第一个实验

# 前提：pic schema 已装载（§3.6）
# 步骤 1：单元分布与死亡率画像（5 分钟）
psql -c "SELECT first_careunit, COUNT(*),
  ROUND(AVG(hospital_expire_flag)::numeric,3) AS mortality
  FROM pic.icustays i JOIN pic.admissions a USING (subject_id, hadm_id)
  GROUP BY 1 ORDER BY 2 DESC;"
# 步骤 2：抽一个患儿的时间线全景（10 分钟）
psql -c "SELECT subject_id, hadm_id FROM pic.icustays LIMIT 1;"  # 取样例
# 按样例 id 查 labs/vitals/prescriptions 各取最近 20 条
# 步骤 3：Death 标签 + 人口学特征导出（15 分钟，走 §5.3 配方）

第一个实验先看单元画像（死亡率梯度本身就是最重要的发现之一），再进入建模。

7.3 泄漏防控专项

PIC 的泄漏面：患者级泄漏（468 名多次住院患者跨集——SUBJECT_ID 分组划分堵住）；时间泄漏（预测窗开始后的记录倒灌——锚点前置 + 预测间隙）；单元泄漏（单元类型作为特征是捷径——报告分层性能或干脆从特征中移除做消融）；标签构造泄漏（脓毒症标签若用了"抗生素暴露"而特征里也有用药记录，需做标签-特征互斥审查）；日期偏移泄漏（偏移量若与结局相关——官方按患者随机，正常无虞，但别自己构造"绝对日期"特征）。2,102 篇小语料的种子敏感性在 PIC 同样存在——13,941 住留报多种子方差。

7.4 公平性与人群分层

PIC 的公平性分析维度：年龄（儿科的核心分层变量——按月龄段分层而非岁）；地域（转诊来源 11 市——可构造地域可达性代理变量，但注意 DUA 对地区字段的使用限制）；保险与支付方式字段（若表内可得——中国语境下是新农合/城镇居民/城镇职工的结构差异）；性别（57.5% 男性——先天心脏病男童比例高是临床事实而非采样偏差，解读分层差异时要有临床对照）。特别提醒：少数民族已归并为 “Other”（§3.7），种族公平性分析在 PIC 上不可做——这是去标识化的代价，论文里不要硬做。

7.5 LLM 时代的用法与克制

PIC 与 LLM 的三种安全关系：LLM 做特征工程助手——把 CHARTEVENTS/LABEVENTS 序列文本化后让 LLM 做摘要特征（受控环境内）；LLM 做双语术语对齐——用字典表的中英对照做术语翻译质量的自动评测集；克制项：不要用 LLM 幻觉文本——库里没有自由文本，让 LLM "补写"临床叙述等于伪造数据。合规提醒沿用 PhysioNet 2025-09 LLM 政策：credentialed 数据不得上传第三方在线服务；本地部署为官方强烈推荐（§8.3）。

7.6 负结果也值钱：成人→儿科迁移的已知失败模式

综述与文献共识的失败方向：直接迁移不校准——成人死亡模型的判别力在儿科可能尚可，但校准崩溃（儿科 7.1% 基线 vs 成人 ~11% 且风险结构完全不同）；成人生理阈值报警——心率 140 在新生儿是正常，在成人是极限，直接套用产生海量假警报；体重盲区——成人模型忽略体重的剂量/容量逻辑在儿科全错；ICD 映射硬套——ICD-9→10 通用映射表丢失 P/Q 章的儿科结构。这四条是审稿人最熟悉的儿科 ML 批评点——预防性声明比事后辩护便宜得多。

7.7 不规则时间序列建模配方

病房轴的不规则采样处理三种范式：归并重采样（按 1h/4h 网格聚合，丢时序信息换简单性——基线做法）；不规则感知模型（GRU-D/SeFT/时间感知 attention 类——把间隔当输入）；分段建模（术中高频段与病房稀疏段分开建模再融合——PIC 特有机会）。推荐路线：先用归并基线建立水位，再上不规则感知模型报告增量，最后用分段模型吃 SURGERY_VITAL_SIGNS 的独有红利。每一步都报校准。

7.8 特征工程备忘：儿科专属特征清单

成人管线之外必须加的儿科特征：体重/体表面积（剂量与容量计算的基准， CHARTEVENTS 里测得）；年龄分段交互项（所有生理特征的 z 分数化都要 × 年龄段）；发育代理（月龄/矫正月龄 for NICU）；生长轨迹（多次测量的身高体重百分位变化——单中心九年可以算个体轨迹）；围产期史（P 章 ICD 的孕周/出生体重代理）；手术暴露标志（SURGERY_INFO 的存在本身就是风险分层变量）。这套清单 = 儿科 ML 与成人 ML 的最小差异集。

7.9 复现包与工程化

§5.9 清单之外的工程化补充：数据版本钉死 v1.1.0（CSV 文件哈希入库）；SQL 与 Python 特征管道分离（SQL 做抽取、Python 做特征——z 分数函数的单元测试用文献参考值）；CI 里跑行数对账 + 未来年份断言（防止有人"修复"日期偏移）；分层评估脚本模板开源。这份库的工程红利是 schema 与 MIMIC-III 同构——mimic-code 社区资源的大部分 SQL 改名即可用，但语义审查不可省（§4.9 对照表逐条过）。

7.10 成本核算：用 PIC 研究的真实预算

与成人库对照的研究成本账：数据获取——认证 3 个工作日 + DUA（零成本）；计算——1,870 万行规模在单机 PostgreSQL 完全可控（无云成本）；翻译对齐是隐性大头——跨语言研究里术语对齐的人工审查时间约占总工时 20-30%（若做中文侧研究）；伦理——已由 ZUCH IRB 覆盖数据层，研究者本地 IRB 通常走豁免或快速通道（以本机构为准）。对比自建儿科队列（伦理 + 采集周期以年计），PIC 的经济学意义一目了然。

7.11 教学场景：双语 ICU 数据课程包

基于 PIC 的四周课程：第 1 周——MIMIC-III/PIC schema 同构对照（§4.9 表逐行讲），装库对账；第 2 周——儿科时间语义（NICU 天龄、日期偏移、不规则采样），完成死亡基线；第 3 周——双语工程（字典表审计 + 症状表质量评估），写一份"翻译错误报告"；第 4 周——迁移实验（成人模型→儿科校准，§5.6 协议），对比校准前后。结课产物即一份可投 short paper 的对照研究。选它的教学理由：规模适中（单机可跑）、语义差异丰富（年龄/双语/偏移三主题）、失败方向已知。

7.12 多任务与联合建模

13,941 住留上做多任务联合（死亡 + 住院日 + 再入 ICU）的权衡：多任务正则对 468 名多次住院患者的子任务有帮助，但对单次住院的 96.4% 主群增益有限；单元异质性（5 ICU）比任务异质性更大——先分层后多任务（每单元内多任务）的顺序更稳。标签相关性先验：死亡与住院日的共享表示需要小心（长住院与高死亡率的非线性关系在儿科呈 U 型——过短过长都危险）。

7.13 监控与回归：把 PIC 搬进 CI

工程团队把 PIC 用作回归基准：固定 1,000 住留的冻结子集作为服务回归集（每次模型更新跑一遍分层 AUC + 校准，容差 -2%）；数据管道的 CI 断言（行数、ITEMID 类型、日期范围 2060-2120）；季度性全库重跑对照漂移。1,870 万行的体量让全库回归在小时级完成——这是它作为工程基准的隐藏价值。

7.14 与 494 条目的"标注质量谱系"实验

把 494（人工双人金标准）与 PIC 的 EMR_SYMPTOMS（NLP 自动抽取）放在同一坐标系：494 的 Cohen’s Kappa 0.56-0.95 是人工上限区间；PIC 的 91.9% 是自动系统的实测水平。实验设计：在 PIC 症状表的覆盖子集上抽样人工复核，比较"你的标注 - PIC 自动"与"494 的标注员间分歧"——若自动-人工差距落在人工-人工分歧区间内，说明该症状的自动抽取已达人工一致性上限。这个实验的设计完全复用 §5.2 的评测协议。

7.15 从 PIC 出发的三个研究提案模板

儿科生理 z 分数图谱：全库检验/体征按年龄分段归一化，发布"中国儿科 ICU 参考范围数据集"——PIC 最大的再利用增值；
双语术语对齐基准：以字典表为种子，构建中文临床术语翻译评测集，服务医疗 NLP 国际化；
十年质量改进白皮书：按 §5.7 协议做单元级纵向质量画像，与 PICANet 等国际注册库对标——临床团队最认的产出。

§7.16 从研究到床边：部署差距清单

儿科 ML 的研究-部署落差在此库上的具体形态与对策：警报疲劳（儿科生理范围宽，成人式阈值系统产生海量假阳性——对策：z 分数特征 + 时段自适应阈值）；数据接口（研究用 SQL 全表扫描，床边系统是流式 HL7/FHIR——对策：部署前做特征计算的时间预算测试）；人群漂移（ZUCH 转诊网络与目标医院的人群差——对策：校准层本地重训 + 前三个月 shadow mode）；伦理审批（研究 IRB 豁免不等于临床部署许可——对策：医疗器械软件分级评估）；解释性需求（临床团队要"为什么"，黑盒模型的生存空间在儿科更小——对策：证据句/特征归因输出为默认配置）。这份清单来自 §6.5 综述第三条主张（“贴近部署的验证”）的操作化。

§7.17 监控回放：用历史数据做警报审计

PIC 的九年窗口支持"回放式审计"：把新的预警算法跑在历史 ICU 住留上，对照实际结局统计每住留警报数、警报提前量、假警报率。三个指标的定义公式：警报敏感度 = 命中真实事件的警报 / 真实事件数；提前量分布 = 警报时刻 - 事件时刻的中位/IQR；每住留警报负荷 = 警报总数 / 住留数（临床可容忍度通常 <1-2/天）。回放审计是部署前（§7.16）的最后一道关卡，也是论文里"临床效用"一节的图表来源。

§8 伦理、许可与合规

8.1 IRB 与知情同意

数据层伦理由 ZUCH IRB 批准（杭州），豁免个体知情同意——理由是项目不影响临床护理且全部 PHI 已去标识。使用者侧的伦理义务由 DUA 承接：禁止再识别、负责任处理、遵循协作研究原则。中国研究者的本地伦理流程通常仍需走一遍（即使数据已开放）——以各机构 IRB 要求为准。

8.2 去标识化的强度与残余风险

官方定性：ID 随机重编号不可逆 + HIPAA 标识符全移除 + 日期平移 → 匿名化。残余风险两点：罕见病再识别——25.4% 先天性疾病中存在罕见综合征病例组合，"诊断组合 + 时间线 + 转诊地"理论上可缩小范围（DUA 的禁止条款针对的就是这种拼接）；日期平移的族谱效应——同一家庭多名患儿的偏移量是否一致官方未说明（若同家庭同偏移，家庭结构可被推断；若不同，家庭关联不可达）。使用者在发表时对罕见病例应做案例级模糊化。

8.3 LLM 与第三方服务红线

PhysioNet 2025-09-24 官方政策（对 MIMIC 系与 credentialed 数据一体适用）：数据不得通过 API 发送给第三方 LLM 服务（零留存要求极难核实）；推荐本地部署 LLM；研究者对合规负全责。落地纪律：评测用本地开源模型；任何云端处理前先过机构合规审查；论文里披露处理路径。这条政策对双语研究者尤其重要——中文翻译类云端 API 调用同样落入"发送数据给第三方"的范畴。

8.4 跨境数据合规的扩展提醒

与 493/494 条目相同的背景：美国 DSP（EO 14117）对批量获取美国敏感健康数据设限——PIC 是中国数据，方向相反，但跨境协作的双边合规都要核：中国侧《数据安全法》《个人信息保护法》对健康数据出境的框架（PIC 走的是"已公开+匿名化"路径，风险低但流程要留痕）；欧美合作者的机构侧 DUA 承接。本条目不构成法律意见，跨境团队请走机构合规部门。

8.5 引用与致谢义务

三层引用链（官方要求）：数据集 DOI（10.13026/32x9-wv38，Li/Zeng/Yu 2020 版本引用）+ 原始论文（Zeng et al. Sci Data 7:14, 2020）+ PhysioNet 平台论文（Pollard et al. 2026 Nature Health）。双语字典与 NLP 症状表凝结了团队的人工翻译与核对劳动——使用这两个组件时在正文明确说明其来源与准确率（91.9%），是最基本的学术礼节。

§9 常见问题（FAQ）

9.1 基础身份

Q1 PIC 是什么？ Paediatric Intensive Care database：中国浙江大学医学院附属儿童医院五个 ICU（2010-2018）的 MIMIC-III 结构儿科数据库，首个免费英汉双语临床数据库，PhysioNet v1.1.0。

Q2 谁做的？ ZUCH 团队（Zeng/Yu/Lu 共同一作，Shu 与 Li 通讯）；PhysioNet 页面署名 Haomin Li, Xian Zeng, Gang Yu。

Q3 是英国的数据吗？ 不是——生产排期元数据把来源写成"英国"是笔误；官方为中国杭州 ZUCH（存照 A）。

Q4 多大规模？ 12,881 患儿 / 13,449 住院 / 13,941 ICU 住留；约 1,870 万行。

Q5 版本历史？ v1.0.0（2019-11-26）→ v1.1.0（2020-11-12）：主要诊断字段、SpO2/EtCO2/ST、新增 SURGERY_INFO 表。

Q6 DOI 和论文？ DOI 10.13026/32x9-wv38；论文 Zeng et al., Scientific Data 7:14 (2020), DOI 10.1038/s41597-020-0355-4（PMID 31932583）。

Q7 时间覆盖？ 2010-2018 真实收治期；去标识后日期平移至约 2060-2120 年。

Q8 访问要什么条件？ 人体受试者培训（CITI 类）或中国 GCP 认证 + 签 DUA；审批约 3 个工作日。

Q9 装载支持哪些数据库？ 官方脚本覆盖 MySQL 与 PostgreSQL；CSV 可进任意关系库。

Q10 在线文档在哪？ pic.nbscn.org（含引用统计与临床资源介绍）。

9.2 数据内容

Q11 五个 ICU 怎么分？ GICU 综合 / PICU 儿科 / SICU 外科 / CICU 心脏 / NICU 新生儿，共 119 床。

Q12 年龄范围？ 0-18 岁；中位 0.8 岁（Q1-Q3 0.1-3.5）；NICU 平均 14.5 天。

Q13 最大表是哪张？ LABEVENTS 1,009 万行（检验）；CHARTEVENTS 229 万行（病房体征）。

Q14 高频生命体征有哪些？ 仅手术时段：SURGERY_VITAL_SIGNS 每 5 分钟（含 SpO2/EtCO2/ST，v1.1.0）；病房段只有护士间歇记录。

Q15 有自由文本吗？ 没有——中文临床文档未发布；替代品是 NLP 症状表 EMR_SYMPTOMS（402,142 行）。

Q16 症状表可信吗？ 平均准确率 91.9% [91.3%, 92.4%]（3,410 症状双人核对）；三类错误公开；官方提醒谨慎使用。

Q17 诊断编码体系？ ICD-10 本地 7 位扩展 + ICD-O-3；中文诊断比英文更具体。

Q18 死亡数据口径？ 院内死亡（7.1%，971 例）；无出院后随访。

Q19 病种谱？ 先天畸形/染色体异常 25.4% 居首，围产期 14.1%，呼吸 10.3%。

Q20 液体平衡数据如何？ INPUTEVENTS 41.1% / OUTPUTEVENTS 11.7% 完整度——用前先做缺失机制分析。

Q21 微生物数据？ 183,869 行，培养+药敏，完整度 89.7%——感控研究的富矿。

Q22 ITEMID 是什么类型？ 字符字段（MIMIC-III 是整数）——迁移脚本必查（坑点 2）。

Q23 双语怎么实现的？ 分层策略：标准编码走国际英文版、其余人工翻译复核、原文保留 + _cn 后缀（§3.4）。

Q24 有体重数据吗？ 有（CHARTEVENTS 测量 + 人口学），儿科剂量计算的基础——但注意非随机缺失。

9.3 工程与装载

Q25 装载脚本在哪？ PhysioNet 文件区：PostgreSQL 用 1-create-tables-load-data-gzip.sql（或 -csv 版）+ 2-index.sql + 3-constraints.sql；MySQL 用 define.sql + index.sql + constraints.sql。

Q26 为什么日期是 2060 年？ 去标识化日期平移 50-100 年（患者内一致、保留时刻/星期/季节）——不是 bug，别"修"它。

Q27 能跨患者对齐时间吗？ 不能——偏移量患者特异，跨患者时序不可比。

Q28 CSV 导入后 JOIN 失败？ 八成是 ITEMID 被自动转成整数——关闭类型推断或显式 CAST（§4.2）。

Q29 v1.0 用户怎么升级？ 下载 update_to_v1.1.0 增量文件夹（含迁移 SQL），不必重下全库。

Q30 表数到底 16 还是 17？ 论文 Table 1 是 v1.0 口径 16 表；v1.1.0 加 SURGERY_INFO 后为 17（存照 C）。

Q31 数据质量总评？ 诊断 99.4%/检验 93.9%/微生物 89.7% 高；处方 51.5%/术中体征 47.7% 中；出入量与症状表低（§4.10）。

9.4 建模与评测

Q32 有官方基准吗？ 没有。社区 10 项研究（MDPI 综述）提供了事实参照；划分自建、患者级、开源（§5.2）。

Q33 死亡预测怎么做？ §5.3 配方：标签 expire_flag、单元分层、检验 z 分数、稀疏体征聚合、报校准。

Q34 脓毒症标签怎么定？ 儿科标准（Phoenix/pSOFA），不是 Sepsis-3；感染证据用培养+用药双条件（§5.4）。

Q35 能用 MIMIC 模型直接迁移吗？ 表示可迁移，决策与校准必须重训（§5.6）；四类已知失败见 §7.6。

Q36 生命体征特征怎么处理不规则采样？ 归并基线 → 不规则感知模型 → 高低频分段融合三步走（§7.7）。

Q37 需要哪些儿科专属特征？ 体重/体表面积、年龄分段交互、矫正月龄、生长轨迹、围产期史、手术暴露标志（§7.8）。

Q38 种族公平性分析能做吗？ 不能——少数民族已归并 “Other”（§3.7）；年龄/性别/地域维度可做。

Q39 评估时最容易被拒稿的点？ 缺单元分层、缺校准、用成人参考范围、套成人脓毒症标准——四连击（§6.5 综述主张）。

9.5 与 MIMIC 家族

Q40 和 MIMIC-III 什么关系？ Schema 师承（官方原话 follow the structure of MIMIC-III）；三键同构、表名对应、语义异构（§4.9）。

Q41 和 MIMIC-IV 什么关系？ 无直接版本关系；MIMIC-IV 是成人库的现代续作，PIC 独立走 v1.0→v1.1。

Q42 和 494（表型标注）什么关系？ 文本标签路线对照：那边人工金标准、这边 NLP 自动抽取——联合实验见 §7.14。

Q43 MIMIC 老手上手要多久？ schema 同构，半天熟悉双语列与类型差异即可开工——这正是立项设计目标。

9.6 LLM 时代

Q44 能用 ChatGPT 处理数据吗？ 不能上传——PhysioNet LLM 政策禁止第三方服务（§8.3）；本地部署开源模型。

Q45 LLM 能补写临床文本吗？ 不能——库里没文本，用 LLM 生成叙述等于伪造数据。

Q46 LLM 有什么正当用法？ 双语术语对齐评测、序列特征摘要（受控环境）、特征工程辅助（§7.5）。

9.7 收尾杂项

Q47 最常见的三个新手错误？ 按真实年份过滤、把 ITEMID 当整数、把 EMR_SYMPTOMS 当全库背景（§5.8）。

Q48 引用格式？ 三层：数据集 DOI + Zeng 2020 Sci Data + Pollard 2026 平台论文（§8.5）。

Q49 一句话推荐给谁？ 给所有想在真实儿科重症数据上做点事、又被"没有开放儿科库"困住的人——这扇门已经开了六年。

9.7b 进阶问答

Q53 能做再入院预测吗？ 部分能——468 名（3.6%）多次住院者有院内再住院；出院后再入院无数据。样本量小，结论谨慎。

Q54 住院日预测怎么做？ 回归任务（均值 17.6 天、长尾分布）——对数变换或分位数回归；注意住院日是"管理变量"（受出院流程影响），临床语义弱于死亡率。

Q55 先心病队列怎么划？ CICU 单元 + Q 章 ICD 交叉筛选；围术期分析配 SURGERY_INFO 的手术类型。

Q56 新生儿亚组怎么处理矫正月龄？ NICU 段用"实际日龄 + 孕周"双变量；矫正月龄 = 实际月龄 - (40-孕周)/4，需孕周字段支持（P 章 ICD 或产史字段核实可得性）。

Q57 检验 z 分数的参考范围哪来？ 优先临床手册/指南的年龄分段表；数据分布只做 sanity check——不要用本库分布当参考（循环论证）。

Q58 能和 eICU 联合吗？ 可以但注意 eICU 是美国成人多中心——与 PIC 的人群差异比 MIMIC 更大；联合价值主要在"成人-儿童"方法学对照而非合并建模。

Q59 用药剂量分析的前提？ 体重数据可得性核查（存照 H）+ 给药途径字段清洗 + 中文药名 ATC 归一；三步都过再做 mg/kg 逻辑。

Q60 SURGERY_INFO 怎么用？ 手术类型/时间/麻醉方式三字段：围术期队列定义、术中窗口锚定、麻醉方式分层——v1.1.0 用户的专属红利。

Q61 检查报告事件（OR_EXAM_REPORTS）能拿到报告内容吗？ 只有事件记录（91.9% 完整度）；报告文本官方"未来将标准化并发布"，尚未落地（存照 C）。

Q62 怎么引用本数据集最规范？ 三层链（§8.5）：数据集 DOI + Zeng 2020 + Pollard 2026 平台论文；用了症状表/字典表再加一句来源说明。

Q63 装载后行数对不上怎么办？ 先查版本（v1.0 vs v1.1.0 文件夹混用是最常见原因），再查 CSV 解压完整性，最后对照论文 Table 1 的 v1.0 口径——DIAGNOSES_ICD 在 v1.1.0 因主要诊断字段拆分可能行数有异动。

Q64 能发布基于 PIC 的衍生数据吗？ 衍生的聚合统计/模型可发布；行级再分发受 DUA 约束——参照 MIMIC 社区惯例：发布 ID 列表与代码，不发布数据本体。

Q65 中文 NLP 研究的伦理审查注意什么？ 数据层已 ZUCH IRB 覆盖；本地 IRB 通常快速通道；发表时避免罕见病例可识别细节（§8.2）。

Q66 有现成的社区代码吗？ 论文图代码在 github.com/Healthink/PIC；mimic-code 社区资源改名可用但需语义审查（§4.9）；PIC 专属的成熟开源管线尚未形成。

Q67 十年跨度里信息系统换过吗？ 官方未披露系统迁移史（与漂移研究相关的元信息缺口）——漂移分析时把无法归因的断点如实报告。

Q68 能做因果推断吗？ 观察性数据的标准限制：用药-结局的因果声明需谨慎；倾向得分/工具变量方法可用但单元异质性强，建议在单元内做。

Q69 数据里有钱/保险字段吗？ 支付方式类字段的存在性以实际表结构为准；中国医保结构（新农合/城镇职工等）与美国的 payer 语义不同，跨库对齐时另建映射。

Q70 想要"最新的"中国儿科 ICU 数据怎么办？ PIC 冻结于 2018 收治窗口；更新的中国中心数据可关注 PhysioNet 后续发布（自贡感染库 2019-2020 等），或按 PIC 模板推动本院数据开放——后者是这条路线的终极意义。

9.8 番外：三个常见误解

Q50 “PIC 是英国 PICU 审计数据”？ 混淆了 PICANet（英国审计网络，非开放 EHR）与 PIC（中国开放数据库）。排期元数据的"英国"笔误助长了这个误解（存照 A）。

Q51 “PIC 是 MIMIC-III 的子集”？ 不是——两库患者零重叠（波士顿 vs 杭州），同构的是 schema 不是数据。

Q52 “双语=每行都有英文翻译”？ 字典层全双语；数据行的翻译覆盖以术语在字典中的登记为准——未登记术语的行可能只有中文，装载后抽查（§3.4）。
Q71 装 MySQL 还是 PostgreSQL？ 都官方支持；PostgreSQL 可 gzip 直读免解压，Linux 服务器首选；Windows 用 MySQL 路径（7zip 解压 + define.sql）。

Q72 数据集会闭库吗？ PhysioNet 永久 DOI 机制下不会；文档站持续在线；"冻结"指内容不再增长，不是下线。

Q73 最后一条建议？ 把 §3.7 的三条去标识化规则当作"这个库的世界观"——先接受它（未来日期、字符 ITEMID、天级年龄），再写第一行代码。
Q74 本库与 PICANet/VPS 注册库最大的互补点？ 注册库有广度（多中心）无深度（无时序检验用药）；PIC 有深度无广度（单中心全细节）——多中心验证用注册库队列定义、机制研究用 PIC，是标准的两级研究设计。
Q75 想研究中文临床语言学，从哪张表开始？ 双语字典表（832 化验项 + 466 项目对照）是最干净的起点——人工翻译已核对；进阶再用 EMR_SYMPTOMS 的症状双语词表（含极性标注），最后是"家庭成员症状混淆"这类句式研究——那是中文家庭叙事文化的语言学样本（§4.3）。

§10 附录：存照、引文与档案

§8.6 与同门条目的合规协议对照

PIC 与同批三份数据集的伦理/合规协议并排，可看出 MIMIC 家族的"治理方言"：

维度	PIC	MIMIC-IV（492）	Nosocomial（493）	Phenotype（494）
数据层 IRB	ZUCH，豁免知情同意	BIDMC/MIT，豁免	派生（上游覆盖）	派生（上游覆盖）
访问认证	培训或 GCP（双轨）	CITI 课程	MIMIC-III 资格复用	MIMIC-III 资格复用
审批周期	约 3 个工作日	数日-数周	随 MIMIC-III	随 MIMIC-III
身份重编号	随机不可逆（匿名化）	随机不可逆	沿用 MIMIC-III ID	沿用 MIMIC-III ID
日期策略	向前平移 50-100 年	向后随机偏移（保留间隔）	无独立日期（快照序列）	无日期（索引表）
文本处理	中文文本不发布（NLP 替代）	英文文本直接发布	结构化快照	文本不发布（标注索引）

PIC 的"向前平移"（2060-2120）与 MIMIC 的"向后偏移"方向相反但逻辑同源——都保留患者内时序、抹除真实日历。把四份协议放在一起读，是理解"去标识化没有唯一正确答案、只有透明声明的设计选择"的最快方式。

10.1 口径存照

存照 A（来源勘误）：生产排期元数据将本数据集中文名写为"英国儿科重症监护数据库 (PICU)"；官方来源为浙江大学医学院附属儿童医院（中国杭州）。英国 PICANet 为另一体系（审计注册库，非开放 EHR）。本条目全篇以官方为准。

存照 B（住院数口径）：论文正文"Paediatric-specific data features"段写 13,499 distinct hospital admissions，Table 1/2 均为 13,449——原文自相矛盾。本条目采用 Table 口径 13,449。

存照 C（表名与表数）：诊断字典表名论文写 D_ICD_DIAGNOSES、PhysioNet 页面写 D_DIAGNOSES_ICD——以实际装载文件为准；论文 Table 1 的 16 表为 v1.0 口径，v1.1.0 新增 SURGERY_INFO（官方 Release Notes 确认），实际表数 17；OR_EXAM_REPORTS 的报告文本"未来将标准化并发布"截至本条目撰写未见发布。

存照 D（ICU 死亡 vs 院内死亡）：正文院内死亡率 7.1%、Table 2 合计 7.2%（971 例）——四舍五入差异；ICU 内死亡 6.9%（955 例）另计；两者差 16 例 = 出院后院内其他单元死亡。

存照 E（二手综述）：MDPI Bioengineering 13(9):978（2026）的"10 项研究、四大基质特性、三条主张"与本条目 §6.5-6.6 的转述为二手综合；其 13,944 ICU stays 与论文 13,941 不一致，弃用。综述原文结论请以其 DOI 为准引用。

存照 F（翻译覆盖）：双语字典的人工翻译覆盖规模（术语总数、复核轮次）官方未公布；数据行层面的翻译覆盖率未见统计——使用前抽查。

存照 G（家庭偏移）：同一家庭多名患儿的日期偏移量是否一致官方未说明（§8.2 残余风险）。

存照 H（体重字段）：体重数据的字段位置与测量频率官方未单独说明；本条目"体重可从 CHARTEVENTS 获得"的表述基于儿科 ICU 常规记录实践与论文 fluid balance 上下文，使用前以实际表结构核实。

存照 I（多次住院口径）：468 人（3.6%）多次住院为论文正文口径；其"多次"的阈值定义（≥2 次）官方未逐字说明，本条目按上下文理解为 >1 次住院。

存照 J（系统迁移史）：2010-2018 间 ZUCH 信息系统（EMR/LIS/AIMS）的版本迁移与设备更换记录官方未公布——时间漂移研究的归因分析存在元信息缺口。

存照 K（保险字段）：支付方式/保险类型字段的存在性与编码官方页面与论文均未列明——公平性分析的前提核查项。

10.2 引文清单

Li, H., Zeng, X., & Yu, G. (2020). Paediatric Intensive Care database (version 1.1.0). PhysioNet. https://doi.org/10.13026/32x9-wv38. RRID: SCR_007345
Zeng, X., Yu, G., Lu, Y., Tan, L., Wu, X., Shi, S., Duan, H., Shu, Q., & Li, H. (2020). PIC, a paediatric-specific intensive care database. Scientific Data, 7, 14. https://doi.org/10.1038/s41597-020-0355-4（PMID 31932583, PMCID PMC6957490）
Johnson, A. E. W., Pollard, T. J., Shen, L., et al. (2016). MIMIC-III, a freely accessible critical care database. Scientific Data, 3, 160035. https://doi.org/10.1038/sdata.2016.35
Pollard, T. J., et al. (2018). The eICU Collaborative Research Database. Scientific Data. https://doi.org/10.1038/sdata.2018.178
Czaja, A. S. (2016). Children Are Not Just Little Adults. Pediatric Critical Care Medicine. https://doi.org/10.1097/PCC.0000000000000597
Pollard, T., Moody, B. E., Lehman, L., et al. (2026). PhysioNet as a global platform for biomedical research. Nature Health. https://doi.org/10.1038/s44360-026-00096-z
MDPI Bioengineering (2026). Machine Learning on the Pediatric Intensive Care (PIC) Database: PIC-Powered Prediction. Bioengineering, 13(9), 978.（二手综述，存照 E）
ZUCH PIC 官方文档站. http://pic.nbscn.org（引用统计截至 2025-05）
PIC 论文图与代码. https://github.com/Healthink/PIC
PhysioNet (2025-09-24). Use of MIMIC Data with Large Language Models and Online Services.（官方政策公告）

10.3 系列条目关系

上游师承：mimiciv（rid 592）/ MIMIC-III（491）——PIC 的 schema 与治理协议模板；
平行对照：phenotype-annotations-mimic（rid 594）——人工金标准 vs NLP 自动抽取的标签谱系两端；nosocomial-risk-mimic（rid 593）——MIMIC 派生工程的第三种姿势；
生态位：全球唯一"0-18 岁全谱 + 关系型 EHR 深度 + 国际开放"的儿科 ICU 数据资产；
待续：若官方发布 v1.2（检查报告文本标准化）或 PIC-MIMIC 联合对齐资源，本条目需增补。

10.4 变更日志

2026-09-20：初版发布（v1.1.0 口径；基于 PhysioNet 官方页 + Scientific Data 2020 论文（Europe PMC 全文）+ 官方文档站三方交叉核查；8 条存照落档；批次元数据"英国"笔误已勘误入 §0/存照 A）。本篇为批次 4（order 486-495，EHR/ICU 主题）收官第 10 篇。

本条目为千方病案医数集 AI-Ready 系列第 495 号条目，批次 4（EHR/ICU 主题，order 486-495）收官篇。
欢迎对照同门条目（mimiciv / nosocomial-risk-mimic / phenotype-annotations-mimic）阅读，构成 MIMIC 生态的完整方法学光谱。