合成慢性肾病审核数据集：200次就诊用于QA培训与EHR编码验证

数据集获取

源站：https://doi.org/10.5281/zenodo.16841572

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

该数据集包含一个合成的、完全去标识化的电子健康记录（EHR）样本，代表了200次慢性肾脏病（CKD）患者的就诊记录。它旨在用于医疗数据环境中的质量保证（QA）培训、编码验证练习和工作流程审计。该数据集模拟了真实世界EHR系统中发现的文档、编码模式和实验室值的现实变化，但不包含任何真实患者信息。

数据元素包括：人口统计学信息（患者ID、就诊ID、编码员姓名——均为虚构）临床编码（ICD-10 CKD分期代码、糖尿病与高血压代码、组合代码）实验室值（eGFR、ACR）及对应日期合并症指标（糖尿病、高血压、透析、移植状态）包含分期描述和关联短语的自由文本注释片段该数据集有意植入了看似合理的不一致之处，以支持QA场景：未充分指定的CKD代码（例如，N18.30）缺少糖尿病/高血压合并CKD的组合代码有透析状态但无N18.6实验室值与代码不匹配（例如，ESRD伴高eGFR）重复或缺失的次要诊断预期用途：练习运行自动化数据审计训练AI或基于规则的系统以标记文档/编码差异演示数据清洗、合并和报告生成工作流程在模拟环境中教授ICD-10 CKD编码指南重要提示：这是一个完全由AI辅助生成和手动场景设计创建的合成数据集。它不包含任何可识别或真实的患者信息。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。