信息速览
TherLid 是发布在 PhysioNet 上的体温配对联数据集，当前版本 1.0.0，2025 年 1 月 21 日上线，DOI 为 10.13026/tkww-8b64。它从 MIMIC-IV、eICU-CRD-1、eICU-CRD-2 三个重症电子健康记录库中，把接触式体温计读数与红外颞部体温计读数按时间配对，最终得到一万三千余对记录、覆盖八千余名患者。所有内容打包为一个 CSV 文件。
它要解决的问题很具体：临床上两种测体温的方式给出的数字并不相同，而红外颞部体温计在疫情之后被大量使用，它是否存在系统性偏差、偏差是否随肤色与族裔而变，需要成对的真实世界证据才能回答。原始重症数据库里体温数据零散分布在护理记录与生命体征表中，格式、单位、部位标签各不相同，想比较两种设备就得先把它们对齐，这一步的工程量往往超过分析本身。TherLid 把这部分前置工作做完，并把每对测量周边的临床状态一并拼接好。
使用这个数据集之前，需要先确认三件事：第一，它不在公开下载之列，须通过 PhysioNet 凭证访问申请；第二，它记录的是配对之后的快照，不是连续体温曲线，任何关于采样节律、监测频率的问题都无法用它回答；第三，配对时的口径选择会直接决定样本量，调整窗口会让可用的行数大幅变化。第一件事决定能否拿到数据，后两件决定拿到之后能问什么。
§1 它是什么
1.1 一句话定义
TherLid 是一个派生数据集：不采集新数据，而是从三个已经存在的重症监护数据库中筛出同时发生接触式与红外两种体温测量的时刻，把这些时刻的读数、部位、时间戳和当时的患者状态整理成一行一行的记录。
它的定位更接近「研究工具的预制件」而非「原始数据的发布」：源库的原始体温记录数以百万计，TherLid 从中留下的只有四位数到五位数量级的配对。这种大幅收缩是设计意图的一部分，不是数据损失的事故。
1.2 名称与拼写
数据集标题写作 TherLid，但 PhysioNet 摘要与正文中多处写作 TherLiD。两种写法指同一对象，检索时都应尝试。中文语境下没有通用译名，「体温配对链接数据集」是一种直白的意译，PhysioNet 主题标签给的是 thermometry、intensive care unit、electronic health records、health equity 四项。
1.3 发布方与人员
作者共计 10 人，按 PhysioNet 引用格式的顺序为 Jeremy Tan、Inês Martins、João Matos、Tiago Filipe Sousa Gonçalves、Tetsu Ohnuma、Jaime dos Santos Cardoso、Leo Anthony Celi、Vijay Krishnamoorthy、Andrea Lane、An Kwok Wong。页面本身没有列出各作者的机构隶属，通讯信息需登录后查看。
配套代码托管在 GitHub 的 joamats/therlid 仓库，首次提交在 2024 年 6 月，notebooks 与 SQL 在 2024 年 7 月至 10 月间迭代。利益冲突声明中提到 An Kwok Wong 在 Ataia Medical 持有股权并担任管理职务，其余作者声明无利益冲突。
1.4 与 BOLD 的谱系关系
TherLid 的方法论明确自述借鉴 BOLD（Blood-gas and Oximetry Linked Dataset）。BOLD 做的是动脉血气与脉搏血氧的配对，TherLid 做的是接触式体温与红外体温的配对，两者共用同一套「找同一时间窗内两种测量、以较晚时间戳锚定、再挂接上下文变量」的构造逻辑，同样出自 MIT 计算生理学实验室相关的作者群。理解了 BOLD 的构造方式，也就理解了 TherLid 的骨架。
这一谱系对使用者有意义：同一套代码框架可以改造成其他生理参数的配对数据集，GitHub 上的 notebook 是可直接改动的模板，而不只是一个复现脚本。
1.5 版本状态
当前只有一个版本 v1.0.0。PhysioNet 为「最新版本」另设了一个 DOI（10.13026/eskc-3e36），指向始终跟随最新版；v1.0.0 的固定 DOI 是 10.13026/tkww-8b64。引用具体分析时应用后者，以保证可复现。
1.6 动机的真实指向
官方背景段落把研究动机写得很直白：疫情期间红外体温计在医院与非医院场景中大量普及，因其无接触、易清洁、出数快而受欢迎；但已有研究显示，红外传感器在肤色较深的人群中可能存在校准偏差。官方引用的是 Bhavani 等人 2022 年发表于 JAMA 的一项研究，其结论是：与口腔测温相比，颞部红外测温在黑人患者中识别发热的比值比低于白人患者。同一类问题此前已在脉搏血氧仪上得到确认。
这一动机决定了数据集的形状。它的目标不是「汇总所有体温数据」，而是「造出一个能用来比较两种测温方式的表」，因此配对是整个设计的中心，其余变量都是围绕配对时刻挂接的辅助信息。理解这一点，就不会期待它像 MIMIC-IV 那样齐全。
1.7 与「数据共享」传统的关系
TherLid 不是独立采集的数据集，它的存在依赖上游三个库的开放政策。这意味着它的可持续性与上游绑定：若 eICU 或 MIMIC 的访问政策变化，TherLid 的价值与可重建性都会受影响。对使用者而言，这一依赖关系也提示了备份策略的重要性——保留自己的处理脚本，比保留数据副本更实际，后者受数据使用协议限制而不可行。
1.8 目录结构上的看点
GitHub 仓库仅有 notebooks、SQL 与一个 Makefile，体量很轻。真正厚重的部分在数据侧，而数据不在仓库里。这种「代码公开、数据受限」的拆分，是受限数据集的常见形态：任何人可以审查构造逻辑，只有通过资质审核的人才能跑通。
这也带来一个实际问题：审查代码的人与拿到数据的人往往不是同一批。前者能判断方法是否合理，但看不到数据的具体模样；后者能算统计量，但未必逐行读过 SQL。文档中的字段说明因此承担了额外的沟通职能。
§2 数据构成
2.1 规模总表
| 维度 | 数值 | 字段可靠性 |
|---|---|---|
| 体温对数（CSV 行数） | 一万三千余对（精确值见附录 A） | 官方文档明确给出 |
| 患者数 | 八千余人 | 官方文档明确给出 |
| MIMIC-IV 贡献 | 1,552 对（11.7%）/ 916 人（10.8%） | 官方文档给出百分比与绝对值，两者自洽 |
| eICU-CRD-1 贡献 | 7,307 对（55.1%）/ 4,853 人（57.0%） | 同上 |
| eICU-CRD-2 贡献 | 4,392 对（33.2%）/ 2,742 人（32.2%） | 同上 |
| 配对时间窗 | 60 分钟 | 官方文档明确 |
| 体温取值域 | 30–45 °C | 官方文档明确 |
| 入组年龄 | 18–89 岁（>90 记为 90） | 官方文档明确 |
| 交付文件 | 单个 CSV | 官方文档明确 |
| 入院次数 / ICU stay 总数 | 官方未单独给出 | 缺失，不可推算 |
按分量相加，配对总数与患者总数都能由分库数字精确还原，两组百分比则是四舍五入后的呈现。这说明绝对值是准的，而百分比只宜用于描述构成比例。
值得注意的是，配对总数只比患者总数高出一个不大的倍数。若把它理解成「每位患者平均有若干次配对」，这一比值说明大多数患者在整个住院期间只贡献了极少数配对时刻，数据集的分布形态是「许多人各一次」，而不是「少数人各很多次」。这一形态对建模有直接影响：患者层面的随机效应难以稳定估计，按患者分组划分训练集与验证集时，每个患者能提供的信息很薄。
从另一个角度看，分库之间的这一比值也有差异。eICU 两个库的配对数与患者数之比高于 MIMIC-IV，部分说明 eICU 记录中的测量密度更高，或同一患者被多次纳入配对的机会更多。这一差异是数据构成层面的观察，不能直接解读为「eICU 患者的病情更重」，因为测量密度同时受监护模式、护理强度与记录习惯影响。
2.2 「linked」到底链接了什么
这是最容易被想当然的地方。「链接」在 TherLid 里指的是：以每一对体温的较晚时间戳作为锚点，去同一个数据库里取出该时刻前后的临床变量，与本行拼在一起。官方文档列出的类别有六组：
| 类别 | 列名前缀 | 说明 | 字段可靠性 |
|---|---|---|---|
| 人口学与入院特征 | 无统一前缀 | 年龄、性别、体重、身高、BMI、种族/族裔、Charlson 合并症指数、院内死亡率、住院与 ICU 时长 | 官方列出 |
| 体温测量与配对信息 | _temporal / _reference |
时间戳、数值、部位；另有配对组合列 | 官方列出 |
| 生命体征 | vitals_ |
心率、呼吸频率、收缩/舒张/平均动脉压（有创与无创）、SpO2 | 官方列出 |
| 实验室检验 | cbc_ coag_ bmp_ hfp_ other_ abg_ |
血常规、凝血、基础代谢面板、肝功能、其他酶类、动脉血气 | 官方列出 |
| SOFA 评分 | sofa_past_ / sofa_future_ |
分系统评分与总分，取锚点前 1 小时与后 1 小时两个时点 | 官方列出 |
| 医院信息 | 无统一前缀 | 医院标识、床位规模、美国区域、教学医院状态 | 官方列出 |
不在其中的：用药记录、微生物培养、诊断编码、影像、护理记录原文。physionet 页面从头到尾没有提到这些类别。研究和写作中若需要这些内容，必须回到 MIMIC-IV 或 eICU-CRD 原库另行抽取，依靠数据集保留的原始标识符做关联。
2.3 列的命名体系
列名按前缀分组，是检索字段时的第一道线索：
vitals_：生命体征；cbc_coag_bmp_hfp_other_abg_：各类实验室检验；delta_：该变量与体温测量之间的时间差，单位与含义以官方字段表为准；sofa_past_/sofa_future_：锚点前一小时与后一小时的 SOFA；_temporal/_reference：红外颞部读数与接触式参考读数；unique_：数据集自建的患者、医院、ICU 住院三级唯一标识。
unique_ 之外，原始标识符也被保留，这为回溯源库、追加 TherLid 未包含的变量留出了通道。这一设计对做二次抽取的人很关键：TherLid 本身是封闭的字段集，但它身边的门是开着的。
2.4 时间锚点
每对测量有两个时间戳，数据集取较晚的那个作为 last_temp_datetime，此后的上下文变量都围绕这个时刻取数。同一位患者若有多对记录，按该时间戳升序排列并用数字后缀标识。
这个选择有明确后果：若一对测量是先测口温、四十分钟后测颞温，则整个上下文窗口向后偏移，delta_ 类字段的时间差符号也会随之变化。做时间序列拼接时应以这一列为准，不要假设配对的两个时间戳相等。
2.5 标识符体系
三级标识符分别对应患者、医院与 ICU 住院，另有一列标明来源数据库。设计目的是既防止三个库之间的 ID 撞车，又保留回溯能力。跨库合并时，事实上必须用 unique_ 前缀的列，原始 ID 只适合用来回查单个库。
2.6 种族与族裔的标准化
原始记录中的种族与族裔被映射到八个类别：American Indian / Alaska Native、Asian、Black、Hispanic or Latino、More Than One Race、Native Hawaiian / Pacific Islander、Unknown、White。这一映射对数据集的核心用途至关重要——研究问题本身就是「红外测温在不同肤色人群中的表现是否不同」，若种族字段不统一，跨库比较无从谈起。
不过要注意，这里的类别是自我申报的种族/族裔，不是肤色。官方局限说明里明确写了预处理数据集中没有客观的肤色测量。种族作为社会构造，与「黑色素含量」这一生物学测量之间只有统计相关，没有一一对应。若把分层结果直接解读为「肤色越深偏差越大」，就跨过了一步没有证据支撑的推理。稳妥的表述是「在该数据集的美国住院人群中，自报为黑人组的红外与接触式测量差异更大」，而不是延展到肤色机制。
还有一层细节：「More Than One Race」与「Unknown」两个类别如何处理，会显著影响分层结论。混血人群既不属于典型意义的任一组，缺失或不明种族又可能与其他特征（例如急诊转院、意识障碍无法自述）相关，若简单剔除会带来选择偏倚，若合并入某组则会稀释效应。官方文档未给出这两个类别在各库中的占比，使用前应自行核对。
2.7 一行记录长什么样
把一行的语义还原出来，大概是这样的：某位患者在某次住院的某个时刻，护理人员用接触式体温计测得一个值，部位记为口腔；接近的同一小时内，另一台设备测得颞部红外读数；两条记录的时间戳、数值与部位都被保留，配对组合被标为 temporal-oral；以较晚的那个时间戳为锚，向前挂接当时的生命体征、向后或前后挂接最近的检验值与 SOFA 评分；同时附上该患者的年龄、性别、BMI、合并症指数、种族与住院结局。
理解这个结构之后，很多问题会自然浮现：若检验发生在锚点前十二小时，那个 delta_ 值为十二小时，模型是否还应把它当作「同一状态」？若生命体征与锚点同时，是否意味着护理在同一轮操作里一起完成？这些问题没有标准答案，但都必须在分析设计中明确回答。
2.8 派生变量的来源
生命体征、检验与 SOFA 都不是 TherLid 原创的计算，而是沿用 MIMIC-code 与 eICU-code 两个社区维护的概念提取仓库。这一点在 GitHub README 中明确说明。这意味着：SOFA 的计算口径与源库社区保持一致，若对某个分项的计分方式有疑问，应查阅上游仓库而非本数据集文档；同理，若上游概念发生版本变化，TherLid 的派生值可能与新版本不一致。
对复现性的实际影响是：引用时应注明所用的源库版本（eICU-CRD v2.0、MIMIC-IV v2.2），因为概念提取的实现在不同版本间有过修订。
§3 怎么拿到
3.1 访问级别
TherLid 属于 PhysioNet 的 Database Credentialed Access 级别。这是该平台三种访问级别中限制最严的一档（另两档是 Open Access 与 Restricted Access），意味着数据不在网页上直接可见，也不提供公开直链。
访问需要同时满足以下条件：
- 拥有 PhysioNet 账户并通过凭证认证（credentialed user）；
- 完成 CITI「Data or Specimens Only Research」培训课程并提交结业证明；
- 签署 PhysioNet Credentialed Health Data Use Agreement 1.5.0；
- 分别签署 MIMIC-IV 与 eICU-CRD 各自的 DUA；
- 在 Google BigQuery 上建立个人项目（用于按需重跑构造流程）。
上述五项在 PhysioNet 页面中均有明确列示。认证流程本身需要时间，不是提交即开通。
3.2 许可
数据许可为 PhysioNet Credentialed Health Data License 1.5.0。由于是派生数据集，使用者同时受源库条款约束，官方要求引用时并列标注 eICU Collaborative Research Database v2.0 与 MIMIC-IV v2.2 两个父项目。
对打算发表结果的研究者，这意味着数据不能随意再分发，也不能用于识别个体；代码部分则另按 GitHub 仓库自身的许可处理。
3.3 区域限制提示
抓取时 PhysioNet 的文件区显示「因所在地区的法律或政策限制，数据不可用」。这是平台按访问者网络位置给出的提示，与数据集本身的开放政策是两回事：数据集本身仍对全球合格凭证用户开放，但实际访问链路可能受所在地区与平台策略影响。中国大陆研究者若遇到该提示，需在合规前提下自行了解平台的地域政策，本篇不作操作性建议。
3.4 文件与配套代码
交付物是一个 CSV。GitHub 仓库提供六个 notebook：
| 文件 | 作用 |
|---|---|
1_dataset.ipynb |
构造数据集的完整流水线 |
2_consort_diagram.ipynb |
生成样本筛选流程图 |
3_tableones.ipynb |
生成描述性统计表 |
4_technical_validation.ipynb |
技术验证与图 |
5_missingness.ipynb |
按种族与族裔分组的缺失报告 |
6_example.ipynb |
加载数据并构建预测模型的示例 |
技术栈为 BigQuery 标准 SQL 加 Google Colab 上的 Python 3.10。变量与映射关系另有两份 Google Spreadsheet（Variables 与 Definitions），不在仓库本体中。这意味着「测量部位标签的标准化词表」这类关键细节，需要访问那两份外部表格才能看到，本次未能取得。
3.5 获取路径小结
对想使用的人，合理的顺序是：先读 PhysioNet 的 Dataset Description 全文判断是否切题；再读 GitHub 的 1_dataset.ipynb 了解构造口径是否满足需求；确认无误后再启动凭证申请流程。反过来先申请再读文档，往往会在认证完成后才发现某个关键变量（例如腋温）根本不在数据集里。
3.6 申请前的准备清单
凭证申请不是点几下就完成的事，提前准备可以减少往返：
| 准备项 | 说明 |
|---|---|
| 所属机构邮箱 | 多数平台要求使用机构邮箱而非个人邮箱 |
| 导师或项目负责人信息 | 学生身份通常需要指导教师作为担保人 |
| CITI 结业证书 | 需完成指定课程并下载 PDF 证书 |
| 研究用途描述 | 一段说明研究目的的文字，越具体越容易通过 |
| 合规培训记录 | 部分机构另有本地的数据安全培训要求 |
| 时间预算 | 审核与开通通常以工作日计，不是即时生效 |
这几项中，最容易卡住的是研究用途描述。若写得太宽泛（例如「用于机器学习研究」），审核方可能要求补充；写得太窄（例如「用于研究红外体温计在黑人患者中的偏倚」），虽然更容易通过，但也把后续研究范围限制住了。多数平台的做法是允许在范围内调整具体课题，具体条文以签署的协议为准。
3.7 拿到数据之后的第一步
第一次打开 CSV，不必急着建模。先做三件事：核对行数与分库构成是否与文档一致；检查体温值是否全部落在声明的取值域内；按配对组合分组看各组的数量。第三件事尤其关键，因为官方页面没有给出这个分布，而它决定了后续所有分层分析的分母。
若某一种组合的数量极少，那么涉及该组合的结论就应标注为探索性，不宜作为主要发现。这个判断需要在分析开始之前就做出，而不是在结果出来之后再找理由。
§4 质量与已知问题
4.1 官方自陈的四条局限
PhysioNet 页面在 Usage Notes 中明确列出以下局限，这是理解数据集边界的起点：
- 样本量受时间窗约束：一小时窗口是沿用 Bhavani 等人研究的设定，作者建议使用者可按需调整；
- 无客观肤色数据：数据集中没有患者的肤色测量，种族/族裔只是代理变量；
- 无设备信息：没有体温计制造商或型号；
- 未记录的混杂因素：加热装置、保温毯等临床措施会影响体表温度，但这些在数据中没有记录。
第四条尤其值得展开：红外颞部体温读的是体表温度，而体表温度受环境影响极大。一个刚从手术室转运回来、盖着保温毯的患者，其颞温可能显著高于核心温；这种差异与设备精度无关，却会被计入「两种测量方式不一致」的统计中。数据集没有保温措施字段，因此无法在分析中显式调整。
此外官方还提到，不同型号与厂商的温度计精度差异显著，这会直接影响读数可靠性。
4.2 假设—支持—反对表
| 假设 | 支持 | 反对 |
|---|---|---|
| 配对后的差异主要反映设备偏差 | 同一时间窗内、同一患者，两种测量方式并存，天然控制了时间与个体两个主要混杂 | 体表温度本身受保温毯、环境温度、末梢循环影响，而这些未记录 |
| 种族可作为肤色的代理 | 八类标准化种族字段跨三库一致，可直接分层 | 官方明确说明无客观肤色数据；种族与肤色并非一一对应 |
| 三库合并后样本具有代表性 | 覆盖 208 家以上医院、跨越 2008–2022 年 | 三库构成极不均衡，eICU-CRD-1 一家占过半；MIMIC-IV 为单中心 |
| 一小时窗口内的配对足够「同时」 | 沿用已发表研究的既定口径 | 体温在发热期可在一小时内明显漂移，窗口越宽偏差越大 |
4.3 站点的自陈与实际内容
PhysioNet 主题词与摘要强调「配对读数」，而实际交付的是「配对读数 + 大幅拼接的上下文」。这两者的侧重不同：把它当配对数据集用，关注的是两列体温值与部位；把它当临床快照用，关注的是生命体征、检验与 SOFA 的完整度。后者更适合做预测建模，前者更适合做设备一致性研究。同一份文件支持两种用法，但两者的质量关注点不一样。
4.4 三库构成的失衡
按患者数，eICU-CRD-1 占 57.0%、eICU-CRD-2 占 32.2%、MIMIC-IV 占 10.8%。做整体统计时，结果会被 eICU-CRD-1 主导。若要研究医院层面的效应，必须显式建模这一不平衡，否则得到的「平均」实际上是某一家大型远程监护网络的平均。
MIMIC-IV 一侧还有一处特殊情况：官方在字段说明中提到，MIMIC-IV 的医院标识被填为 9999（不对应任何 eICU 医院），床位数填为「>= 500」，区域填 Northeast，教学状态填 True。这些是为对齐三库字段而做的占位填充，不是 MIMIC-IV 的真实医院属性。若误把它们当作真实值参与分析，会得到完全错误的结论。
4.5 缺失信息
官方称「只保留三个库中都存在的变量，以最小化缺失并保证一致性」。这条策略提高了字段的通用性，代价是任何只在某一库中存在的变量被整体剔除。对于需要 MIMIC-IV 特有能力变量的研究，TherLid 可能不是合适入口。
逐变量的缺失率，官方页面没有给出数字；GitHub 上有 5_missingness.ipynb 用于生成按种族与族裔分组的缺失报告，说明作者关心这一问题并将其作为技术验证的一部分，但具体数值未在公开页面呈现。
值得专门说明的是「按种族分组的缺失」为什么被单列成一个分析。缺失本身若与种族相关，即使主分析做得再干净，结论也会被削弱：假设某组的检验记录整体更少，那么该组的上下文变量更稀，模型在该组上的表现会系统性偏低，而这不是设备差异。这一分析的存在，等于作者承认了缺失非随机的可能性，并把检验它的工具交给了使用者。
对本数据集而言，这条提醒有额外重量。因为它研究的是族裔差异，任何与族裔相关的缺失机制，都可能被误读成「红外测温在某组更不准」。使用者在报告差异时，应同时报告各组上下文变量的完整度，把缺失与偏差分开呈现。
4.6 数据质量的分级判断
把各类问题按对结论的影响排序，可以分成三档：
| 档位 | 问题 | 后果 |
|---|---|---|
| 高 | 无肤色、无设备型号 | 无法直接检验「肤色→偏差」的机制，也无法排除设备差异 |
| 高 | 配对子集非随机 | 样本偏向监测密集期，外推受限 |
| 中 | 三库构成失衡 | 合并结论被单一来源主导 |
| 中 | 体表温度受保温措施影响 | 混杂无法显式调整 |
| 低 | 时间戳为平移值 | 只影响日历相关分析，不影响间隔计算 |
| 低 | 年龄 90 岁截尾 | 只影响高龄段的精细分层 |
高影响的两项，恰恰是这个数据集最想回答的问题所依赖的条件。这不意味着数据集无用，而是说明它的结论应定位为「相关性观察」而非「机制证明」。
4.7 与源库核对的价值
由于 TherLid 是派生数据，任何异常都可以回到源库验证：某条记录的时间戳是否真的相邻、某个检验值是否在源库中就在那个时刻。这一回溯能力是派生数据集相比匿名化发布的一个优势。
实际操作中，这种核对只在发现可疑模式时才值得做。例如某库的配对数量异常集中在一小段时间，或某个种族类别的配对几乎全部来自一个医院，这些都值得回源库确认是真实分布还是处理过程的产物。
4.8 关于重复患者
数据集允许同一患者贡献多对记录。做患者层面的推断时，若把每对当作独立观测，会低估方差。标准做法是按 unique_ 患者标识聚类稳健标准误，或在建模中加入患者随机效应。
但前文已提到，多数患者只贡献极少数配对，这意味着患者内相关性的估计本身不稳定。折中的处理是在主分析中按对计算，在敏感性分析中改用患者层面的汇总值，两者结论一致才可下判断。
§5 能做什么
5.1 任务清单
适合的：
- 接触式与红外体温测量的一致性研究（Bland-Altman、平均偏差、一致性界限）；
- 按种族/族裔分层，检验红外测温识别发热的敏感度差异；
- 以配对体温为输入，构建低体温、发热、脓毒症相关结局的预测模型；
- 体温与生命体征、检验、SOFA 的联合建模；
- 作为方法学范例，改造为其他参数（如血压、血糖）的配对数据集。
不适合的：
- 连续体温轨迹、昼夜节律、发热曲线的形态学分析；
- 采样频率、监测强度的研究；
- 涉及腋温或鼓膜温的问题；
- 依赖用药、培养、诊断编码的因果推断；
- 任何需要精确日历日期或季节的分析。
5.2 最小可执行示例
拿到 CSV 后的第一件事，建议不是直接建模，而是核对三库的构成是否与文档一致：
import pandas as pd
df = pd.read_csv("therlid.csv")
print(df["source_database"].value_counts())
print(df["pair_type"].value_counts())
第一行确认 1,552 / 7,307 / 4,392 的分布是否出现（列名以实际字段为准）；第二行查看 temporal-oral、temporal-rectal、temporal-core 三种配对组合各占多少。第二步的分布官方页面没有给出，只有自行计算才能知道，而这个比例直接影响后续分析的可行区间：直肠温与核心温的数字更接近真正的核心体温，口温次之，颞温是体表温度，三者的偏差结构本就不同。
再往下，算每对的差值并做 Bland-Altman，同时按种族分层。若分层后发现某一组的偏差显著更大，那就是这个数据集最直接能回答的问题。
5.3 建模时的三个具体建议
以 last_temp_datetime 为唯一时间轴。配对的两个时间戳不等，混用会导致上下文变量与体温对不齐。
delta_ 列是模型特征不是元数据。某个体征测量离体温测量有多远，本身携带信息：距离近的测量反映的是同一临床状态，距离远的可能已经换了场景。
先做三库分别的模型再合并。三库的字段定义虽然被统一，但采集体系不同（MIMIC 是单中心医院 EHR，eICU 是远程监护网络）。先分别建模再比较，能看出哪一部分结论是数据来源驱动的。
5.4 与源库的选择
如果研究问题是「体温与某个 TherLid 未包含的变量的关系」，直接回 MIMIC-IV 或 eICU-CRD 原库可能更省事，不必先申请 TherLid 再绕过它。TherLid 的优势在于省去配对与字段对齐的工程量，一旦要跳出它的字段集，这个优势就消失大半。
5.5 一个具体的研究设计示例
假设目标是检验「红外颞部测温识别发热的敏感度是否随种族变化」。用本数据集可以这样组织：
第一步，定义参考端的发热阈值。接触式读数超过某阈值记为发热，阈值的选择应有临床依据并在文中说明。由于参考端本身包含口腔、核心与直肠三种部位，更严谨的做法是按部位分别设定，或仅使用最接近核心体温的那一类。
第二步，对每一对计算红外端是否同样越过阈值，形成二分类的一致性判断。这一步的隐含假设是两次测量在临床意义上可比，而一小时的间隔可能跨越退热药起效或体温自然波动，因此有必要做间隔长短的敏感性分析。
第三步，按种族分层计算敏感度，并调整年龄、合并症指数、BMI 与来源库。调整是必要的，因为种族与这些变量相关，而它们也影响体温读数。
第四步，报告各层的样本量与置信区间。若某层样本过少，结论应降级。
这套设计不需要额外数据，但每一步的口径选择都会显著改变结果。事先把口径写进预注册或分析计划，比事后解释更有说服力。
5.6 不适合承接的问题
有些问题看起来同属「体温研究」，但数据结构不支持：
- 发热的自然病程：需要连续序列，本数据集只有配对时刻；
- 护理工作量与测量频率的关系：本数据集不含护理人力数据；
- 体温与用药的时序关系：不含用药记录；
- 季节性或气候效应：时间戳已平移，无法还原日历；
- 儿科体温特征：入组下限为成人。
遇到这些问题，应换用源库或另找数据源，而不是在 TherLid 上勉强构造代理变量。用代理变量得到的结论，往往在审稿阶段被指出测量效度不足。
§6 常见误读与引用陷阱
| 常见说法 | 实际口径 | 依据 |
|---|---|---|
| TherLid 有 20 万次入院 | 20 万是 eICU-CRD-1 源库的入院数，TherLid 的规模是一万余对、八千余人 | PhysioNet Background 段 |
| 数据集覆盖 2008–2022 年的实时监测 | 该区间是 MIMIC-IV 源库的年份范围，不是每条记录的观测期 | PhysioNet 背景段 |
| 链接了用药、培养、诊断 | 未包含；只链接人口学、生命体征、检验、SOFA 与医院信息 | PhysioNet Data Description |
| 包含腋温与鼓膜温 | 未纳入；接触式为口腔/核心/直肠，红外为颞部 | PhysioNet Methods |
| 可以用它研究体温采样频率 | 交付物是配对快照，不保留原始连续序列 | PhysioNet Data Description |
| 可以公开下载或镜像转载 | 凭证访问，需 CITI 培训 + DUA，不可再分发 | PhysioNet 访问政策 |
| 有独立的同行评审论文 | 无；只有 PhysioNet 数据集描述文档，引用形式为数据集 | 全面检索未见数据论文 |
| 种族字段等于肤色 | 不等；官方明确无客观肤色数据 | Usage Notes 局限第 2 条 |
| 时间是真实日期 | 是源库平移后的相对时间，仅能算间隔 | Methods 去标识说明 |
技术陷阱一：MIMIC-IV 的医院字段是占位值。 医院标识 9999、床位「>= 500」、区域 Northeast、教学状态 True 均为填充，不反映真实医院属性。把它们当真实协变量会引入系统性错误。
技术陷阱二：配对组合的比例未知。 官方不公布 temporal-oral / temporal-rectal / temporal-core 各占多少。这三种组合的生理可比性不同，若不自行计算就假设三者可混用，会掩盖部位效应。
技术陷阱三：last_temp_datetime 与配对时间戳的区别。 上下文变量锚定在较晚那个时间戳上，若误用较早的时间戳去对齐检验值，delta_ 系列字段的含义会整体错位。
技术陷阱四：三库合并不等于随机样本。 整体统计被 eICU-CRD-1 主导，横截面的「平均」实际上是加权结果，不能当作美国 ICU 的总体估计。
技术陷阱五：age 的截尾处理。 90 岁以上统一记为 90，这是隐私保护的标准做法，但会让高龄人群的年龄效应估计被压缩，做年龄分层时应在边界处单独设组。
技术陷阱六：窗口与取值域的过滤会改变人群。 30–45 °C 的过滤剔除了极端值与录入错误，一小时窗口剔除了大部分常规测量，留下的记录在危重程度上与全体 ICU 患者并不相同。引用样本量时应同时说明这两条过滤条件。
技术陷阱七：数据集版本与 DOI 的对应。 引用最新版 DOI（10.13026/eskc-3e36）会在未来指向不同内容；复现分析应引用 v1.0.0 的固定 DOI。
§7 在生态中的位置
7.1 在 PhysioNet 的体温类资源中
PhysioNet 上体温相关的资源很少，主要以主题标签 thermometry 聚合。同主题下另一条较知名的资源是志愿者面部与口腔温度数据集，它采集的是受控条件下的红外测温与口腔测温，样本为健康志愿者。两者互补：那条回答「设备在理想条件下多准」，TherLid 回答「设备在真实病房里与接触式差多少」。前者可控、后者真实，但真实的代价是混杂不可控。
7.2 与配对数据集家族
TherLid 属于一个正在形成的方法家族：从大型重症 EHR 中抽取两类同时测量的参数，配成对，再挂接上下文。BOLD 是这个家族里较早成型的一个（血气与脉搏血氧），TherLid 是体温版本。这类数据集的共同价值不在于规模，而在于把「两个来源的时间对齐」这件繁琐事标准化了。
7.3 与源库的关系
它不是 MIMIC-IV 或 eICU-CRD 的替代品，而是一个窄口径的切片。库内已有 MIMIC-IV（rid=4）、eICU-CRD（rid=552）、MIMIC-III（rid=106）、MIMIC-IV-ED（rid=567）等源库条目，TherLid 与它们是「下游」关系：源库有全部记录，TherLid 只有配得上对的那一小部分。
7.4 适用人群
| 使用者 | 是否适合 |
|---|---|
| 做设备一致性、医疗公平研究的人 | 适合，这是设计目标 |
| 做重症预测模型、需要体温上下文的人 | 适合，但要接受字段封闭 |
| 做连续生理信号、采样节律研究的人 | 不适合，数据结构不支持 |
| 只需要 MIMIC-IV 完整数据的人 | 不适合，直接用源库 |
| 想免申请直接用数据的人 | 不适合，需凭证访问 |
§8 总结
适用：需要「同一时刻、同一患者、两种测温方式」的真实世界配对，并希望省掉时间对齐工程量的研究；尤其是围绕红外测温设备偏倚与族裔差异的问题，这个数据集几乎是现成的。
不适用：任何以连续体温轨迹、采样行为、或者 TherLid 未包含的临床事件为核心的研究。
三句话：TherLid 把三种重症数据库里的体温记录压缩成一万多对同窗配对，规模不大但口径明确。它的价值在于省掉了对齐这一步，代价是字段封闭、部位受限、无肤色与设备信息。用它之前先算清楚三库构成与配对组合的比例，比直接建模更有价值。
§9 为什么体温是最容易被低估的连续生理量
9.1 测量的廉价与记录的昂贵
体温是住院期间被测得最频繁的指标之一：护理常规要求每四小时一次，术后、发热、输血、用药后还需加测。但它几乎从不被当作「监测数据」对待，护理记录里它是一条条孤立的数字，很少被当作曲线来读。与之相对，心电、血压在重症监护里被自动采集、按秒写入，形成真正含义上的时间序列；体温依赖人工操作，采样点由排班和医嘱决定。
这一差异对数据科学有直接后果。自动采集的参数，其采样间隔近似均匀，缺测通常意味着设备断开；人工采集的参数，采样间隔极不规则，而缺测本身也携带信息——如果某床位连续八小时没有体温记录，可能是患者稳定到医嘱改为每班一次，也可能是夜班人手不足漏记。这两种情况在数据里长得一模一样，但临床含义完全相反。
9.2 谁测、多久测一次
体温的测量者是护士与护理助理，不是医生。测量动作发生在交接班、给药、翻身、查房这些既有工作流的间隙里，而不是按固定节拍。因此体温采样的时间分布带着明显的制度性节律：
- 班次节律：白班、小夜、大夜各有固定的测量时点，跨班时刻附近常出现密集测量，而夜班深段则相对稀疏；
- 事件驱动加密：发热、寒战、输血、降温治疗、术后恢复期会临时改为高频测量，形成局部的密集簇；
- 医嘱驱动的疏化：病情稳定的患者从每四小时改为每八小时，采样间隔直接翻倍。
这三点合起来意味着，任何把体温当作等间隔时间序列处理的做法，都会在事实上把「病情越重测得越密」这一选择偏倚当成信号来学习。模型很可能学到的不是体温形态，而是「采样密度 = 病情严重度」这一捷径。
9.3 夜班疏漏与数据里的沉默
夜班记录稀疏是一个长期存在但很少被明确写入数据的现象。它的影响有两层：第一层是统计上的，夜间时段的采样点少于白天，若按时间加权会造成昼夜比较的偏倚；第二层是推断上的，缺测时间的长度与患者状态弱相关，与人力配置强相关，而后者的信息在 TherLid 这类派生数据集中完全没有记录。
对使用者的实际建议是：把「距离上一次体温测量的时间」当作显式特征而非隐式假设，让模型自己学习这一缺口的含义，而不是用插值把它抹平。线性和前向填充会把不稳定期的稀疏采样伪装成平稳曲线，这是临床时序建模中最常见的错误来源之一。
9.4 这对 TherLid 意味着什么
TherLid 的结构恰好把这个问题暴露得最清楚：它交付的是「配对时刻」，也就是两种测量恰好在一个小时窗口内都发生的那一点。能被配上的时刻，本身就是采样最密集的时刻——只有在频繁测量的场景下，两种设备才会在如此短的窗口内各留下一条记录。因此这批配对记录在采样行为上是高度非随机的一个子集：它偏向于测量密集的时段，也就是病情较重或处于监测加强期的患者。
据此可以推出两条使用纪律。其一，不能把配对记录的分布当作全体住院体温记录的分布，任何「平均体温」「发热比例」的估计都应回到源库计算，而不是在 TherLid 上计算后外推。其二，配对时刻的上下文变量（生命体征、检验、SOFA）相比随机时刻更完整，这反而有利于预测建模，但也意味着模型在部署到采样稀疏的普通病房时可能表现下降。
9.5 部位差异的处理方式
不同部位测出的体温本身就不同：直肠温与核心温最接近真正的核心体温，口腔温略低且受呼吸与进食影响，颞温是体表温度，受环境与局部血流影响最大。若把不同部位的读数混在一起做统计，得到的「设备偏差」会同时叠加部位差异。
TherLid 的处理方式是在数据中保留部位列与配对组合列，把部位差异留给使用者自己处理：配对组合被显式标为 temporal-oral、temporal-rectal、temporal-core 三种。这是一个诚实但需要使用者主动接手的方案——若分析时忽略这一列，就等于默认三种组合可互换。官方页面没有给出三种组合的分布比例，这一点在使用前必须自行计算。
§10 与相关资源的对照
10.1 与 BOLD 的对照
| 维度 | BOLD | TherLid |
|---|---|---|
| 配对对象 | 动脉血气与脉搏血氧 | 接触式体温与红外颞部体温 |
| 源库 | MIMIC-III/IV、eICU | MIMIC-IV、eICU-CRD-1/2 |
| 构造逻辑 | 时间窗内配对 + 上下文挂接 | 同左 |
| 关注议题 | 血氧测量的种族偏倚 | 体温测量的种族偏倚 |
| 字段规模 | 较大 | 较小 |
两者的相似度极高，几乎可以视为同一方法框架的两个实例。这一对照本身就有方法论价值：同一套「配对 + 挂接」的流程，用在不同的生理参数上会遇到不同的问题。血气是间断检验，同一时间窗内的两次取值本身就罕见；体温是高频护理操作，配对的机会多，但每次测量的精度更低、部位更杂。
10.2 与原始监护数据的对照
MIMIC-IV 与 eICU-CRD 提供的是全量记录，包括每一次体温测量而不只是配对成功的那一部分。若研究问题是「体温如何随时间变化」，源库才是正确入口；TherLid 的价值在于它把「同一时刻的两种测量」这一构造好的分析单元直接给出了。
这两类资源的分工可以用一句话概括：源库回答「发生了什么」，配对数据集回答「两种测量在同一时刻是否一致」。
10.3 与受控实验数据的对照
志愿者研究可以在严格控制的条件下比较不同体温计，环境温度、测量部位、受试者状态都可以标准化。真实世界数据的优势是样本来自真正需要测温的人群，劣势是这些条件全部不可控。
这一对照决定了两类数据在证据链上的位置：受控实验回答「设备本身准不准」，真实世界配对回答「设备在真实使用中准不准」。两者不是替代关系，前者是后者的前提，后者是前者的检验。
§11 使用前检查清单
11.1 数据完整性
| 检查项 | 方法 | 期望 |
|---|---|---|
| 三库构成一致 | 按来源列计数 | MIMIC-IV 1,552 / eICU-CRD-1 7,307 / eICU-CRD-2 4,392 |
| 患者数一致 | 按患者唯一 ID 去重 | 与分库之和相符 |
| 体温值在域内 | 最大最小值 | 30–45 °C |
| 配对窗口合规 | 两时间戳差值 | 均 ≤ 60 分钟 |
| 部位字段非空 | 缺失检查 | 无空值 |
11.2 分析口径
- 是否在分析中显式区分了三种配对组合；
- 是否按库分别报告了结果，而非只给合并值；
- 是否把
delta_列纳入模型而非丢弃； - 是否处理了 MIMIC-IV 的医院占位值；
- 是否说明了年龄 90 岁截尾的处理；
- 是否避免用 TherLid 估计总体体温分布。
11.3 引用
- 引用 v1.0.0 的固定 DOI（10.13026/tkww-8b64），而非 latest DOI；
- 并列引用 eICU-CRD 与 MIMIC-IV 两个父项目；
- 说明版本号与访问日期；
- 遵守 DUA 关于成果披露与不再分发的规定。
附录 A 关键数字速查
| 项 | 值 |
|---|---|
| 版本 | 1.0.0 |
| 发布日 | 2025-01-21 |
| DOI | 10.13026/tkww-8b64 |
| RRID | SCR_007345 |
| 对数 / 患者数 | 13,251 / 8,511 |
| 时间窗 | 60 分钟 |
| 取值域 | 30–45 °C |
| 年龄 | 18–89 岁（>90 记 90） |
| 参考部位 | 口腔、核心、直肠 |
| 红外部位 | 颞部 |
| 格式 | CSV |
| 许可 | PhysioNet Credentialed Health Data License 1.5.0 |
| 访问 | 凭证 + CITI 培训 + DUA |
附录 B 缩写表
| 缩写 | 全称 | 中文 |
|---|---|---|
| EHR | Electronic Health Record | 电子健康记录 |
| ICU | Intensive Care Unit | 重症监护病房 |
| IR | Infrared | 红外 |
| DUA | Data Use Agreement | 数据使用协议 |
| CITI | Collaborative Institutional Training Initiative | 科研伦理协作培训计划 |
| SOFA | Sequential Organ Failure Assessment | 序贯器官衰竭评分 |
| SpO2 | Peripheral capillary oxygen saturation | 外周血氧饱和度 |
| CBC | Complete Blood Count | 全血细胞计数 |
| BMP | Basic Metabolic Panel | 基础代谢面板 |
| ABG | Arterial Blood Gas | 动脉血气 |
附录 C DAIMS 评估
| 维度 | 评分 | 说明 |
|---|---|---|
| 数据来源可溯源性 | 高 | DOI、RRID、源库版本、作者与代码仓库齐备 |
| 方法与流程透明度 | 中高 | Methods 步骤清楚，notebook 可复现，但部分映射表在外链表格中 |
| 字段与变量文档 | 中 | 前缀体系与类别清晰，逐字段数据字典需结合 GitHub 表格 |
| 数据规模与代表性 | 中低 | 规模有限，三库构成失衡，配对子集非随机 |
| 已知局限披露 | 高 | 四条局限明确列出，包括肤色与设备信息缺失 |
| 许可与合规清晰度 | 高 | 访问级别、许可、DUA、父项目引用均明确 |
| 版本管理 | 中高 | 固定 DOI 与 latest DOI 分离，当前仅一个版本 |
| 可直接用于建模的程度 | 中 | 字段封闭、无基准任务定义，需自建评估协议 |
附录 D 未覆盖内容
以下内容官方公开页面未能提供，均为使用前需要自行补齐的信息：
- 逐变量的缺失率与缺失模式；
- 三种配对组合的实际分布比例；
- 各来源库的院内死亡率与实际观测窗口长度；
- 测量部位标签标准化的完整词表（需访问 GitHub 指向的外部表格）；
- 技术验证与缺失分析的具体数值（需运行对应 notebook）；
- 任何官方基准任务或评分脚本。
附录 E 检索模板
| 目的 | 建议检索式 |
|---|---|
| 找数据集本体 | TherLid PhysioNet thermometry linked dataset |
| 找方法论来源 | Bhavani temporal oral temperature fever Black patients JAMA 2022 |
| 找配对数据集家族 | BOLD blood-gas oximetry linked dataset MIMIC eICU |
| 找设备偏倚文献 | infrared thermometer bias skin pigmentation calibration |
| 找源库 | eICU Collaborative Research Database v2.0 MIMIC-IV v2.2 |
§12 常见问答
Q1：TherLid 里的 200,000 到底是什么？
那是 eICU-CRD-1 源数据库本身的入院次数，不是 TherLid 的规模。TherLid 自身的规模是万余对体温记录、八千余名患者。把源库的规模写成本数据集的规模，是转述此类派生数据集时最常见的错误。
Q2：为什么配对只有一万多条，而源库有几十万次入院？
配对要求同一住院内同时存在接触式与红外颞部两种测量，且两次测量间隔不超过一小时。绝大多数测量找不到同窗口的另一种方式读数，因此被排除。此外还存在体温值域（30–45 °C）与成人年龄两道过滤。层层筛选之后，留下的是原始记录中采样最密集的那一小部分。
Q3：「linked」链接了用药、培养或诊断吗？
没有。官方文档列出的链接内容是人口学与入院特征、体温配对详情、生命体征、实验室检验与 SOFA 评分，另有医院层面的标识与规模信息，未包含用药、微生物培养或诊断编码。若研究需要这些内容，必须回到源库凭原始标识符另行抽取。
Q4：记录了哪些测量部位？腋温和鼓膜温在内吗？
接触式参考端包括口腔、核心与直肠三处，红外端固定为颞部。腋温与鼓膜温未被列为该数据集的测量部位。这一点对做设备一致性研究影响很大：许多医院最常用的恰恰是腋温与鼓膜温，而这两种在本数据集中不可用。
Q5：能直接下载吗？
不能。该数据集为 PhysioNet 凭证访问级别，需完成 CITI 培训、取得凭证、签署数据使用协议后方可申请访问。它是派生自受限源库的数据，访问条件与源库同级，不存在公开直链或镜像。
Q6：时间戳是真实日期吗？
不是。时间戳由源库中已平移的偏移量推导，基准日期取该库引用最早年份（例如 eICU-CRD-1 取 2014），仅用于计算相对间隔，不能对应真实日历日。这一处理符合去标识化要求，代价是无法做季节性分析。
Q7：可以拿它研究体温的采样节律吗？
不能直接研究。数据集交付的是配对快照，不保留原始连续测量序列，因此无法还原某床位多久测一次、夜班是否疏漏。关于采样节律的讨论只能作为使用时的背景认识，不能基于本数据集给出统计结论。
Q8：三库数据可以直接合并使用吗？
可以作为合并数据集使用，但不能当作随机样本。三库构成失衡，eICU-CRD-1 在患者数上占多数；MIMIC-IV 一侧的医院字段是占位填充值。合并分析时应显式建模来源，并分别报告分库结果。
Q9：有对应的学术论文可以引用吗？
公开检索未发现独立的同行评审数据论文，数据集以 PhysioNet 描述文档的形式发布。学术引用应采用数据集的标准引用格式，同时并列引用 eICU-CRD 与 MIMIC-IV 两个父项目。
Q10：为什么这个数据集值得单独关注？
因为体温是临床上测得最频繁、却在数据科学中被研究得最少的连续生理量。多数生理信号数据集集中在心电、血压、血氧，体温的配对证据长期缺位，而红外测温的普及又让这一缺位变得有现实后果。TherLid 的规模不大，但它把一个问题问得很清楚。
编辑说明
核验时间：2026-10-18。核验方式：PhysioNet 数据集页全文抓取、GitHub 仓库 README 实抓、WebSearch 交叉确认 DOI 与摘要原文。
双口径存照：
- 任务派发材料标注「200,000 次入院」与「8,511 患者」，两数量级差异极大。经核，200,000 为 eICU-CRD-1 源库入院数，非本数据集规模。本条目全程以 13,251 对 / 8,511 人为准。
- 数据集标题用 TherLid，摘要正文用 TherLiD，同一对象两种拼写，均已收录于关键词。
- 时间跨度 2008–2022 是 MIMIC-IV 源库区间，非本数据集观测期。
- 派发材料推测的「链接用药/培养/诊断」与官方文档不符，已按官方口径纠正为人口学、生命体征、检验、SOFA 与医院信息。
未覆盖内容：逐变量缺失率、三种配对组合分布、部位标签标准化词表、技术验证数值，均因官方未公开或需登录/运行 notebook 才能获得，未作推测填充。
版本日志：v1.0.0（2025-01-21）为首个也是当前唯一版本。
下次复核：若 PhysioNet 发布 v1.1.0 及以上，需核对配对窗口、部位范围与字段集是否变化。
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：
- hcup-neds — 共享标签：电子健康记录 / 重症监护 / 临床电子病历 / 卫生服务研究
- eicu-crd — 共享标签：电子健康记录 / 重症监护 / 时序数据 / 临床电子病历
- gossis-1 — 共享标签：电子健康记录 / 重症监护 / 时序数据 / 临床电子病历
- hirid — 共享标签：电子健康记录 / 重症监护 / 时序数据
- eicu-collaborative-legacy — 共享标签：电子健康记录 / 重症监护 / 时序数据
- mimic-iv-ed-legacy — 共享标签：电子健康记录 / 重症监护 / 时序数据
- mimic-br — 共享标签：电子健康记录 / 重症监护 / 临床电子病历
- pcornet — 共享标签：电子健康记录 / 重症监护 / 临床电子病历
- mimic-iv-ed — 共享标签：电子健康记录 / 重症监护 / 时序数据
- mover — 共享标签：电子健康记录 / 重症监护 / 时序数据 / 临床电子病历
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
