药物不良反应报告数据集
该数据集来自 data.mendeley.com，包含一个文件 data_text.csv，用于支持在 Twitter 上自动检测药物不良反应（ADR）的研究
基本信息
资源简介
药物不良反应报告数据集
Adverse Drug Reaction Reporting 是一个发布于 2023 年 9 月 19 日的公开数据集，当前版本为 v1，数字对象标识符为 10.17632/f7mrczj83k.1，来源站点为 data.mendeley.com。该数据集在站内归入“化学诱发性障碍 / 其他”分类，整体仅包含一个文件 data_text.csv，合计约 3.40 MB，采用 CSV 表格格式组织。其核心用途是支持在 Twitter 平台上自动检测药物不良反应（ADR）的相关研究，为利用数据分析技术识别社交媒体中的用药安全信号提供数据基础。整体来看，该数据集体量精简、结构单一，适合作为文本分析类研究的输入材料，尤其面向药物警戒与社交媒体挖掘方向的应用探索。
【数据集背景】
该数据集所依托的项目旨在开发在 Twitter 上自动检测药物不良反应（ADR）的自动化方法，并借助数据分析技术，尽量降低药物不良反应对患者健康和医疗系统造成的影响。项目背景中特别指出，临床试验本身存在局限性，因此需要借助社交媒体等临床试验之外的信息渠道来补充对药物不良反应的发现与监测。这一背景决定了数据集的核心定位：服务于社交媒体文本中的 ADR 自动识别研究，而非传统的结构化临床数据记录。
【数据内容】
数据集仅包含一个数据文件，文件名为 data_text.csv，格式为 CSV 表格，合计约 3.40 MB。文件内部的具体字段构成、字段含义、样本条数、标签体系以及文本语言分布等信息，源站未提供。从文件名与项目目标来看，该文件承载的是用于 ADR 检测的文本类数据，但具体内容结构需以实际下载后的文件为准。
【采集与来源】
数据集的发布来源为 data.mendeley.com，发布时间为 2023 年 9 月 19 日，版本为 v1。项目描述表明其数据与 Twitter 平台相关，用于药物不良反应的自动检测研究。关于具体采集时间窗口、采集策略、筛选标准、原始推文数量以及数据处理流程等细节，源站未提供。
【适用场景】
基于项目目标，该数据集适用于在 Twitter 文本上开展药物不良反应自动检测的方法研究与实验验证，可用于文本分析、模式识别等数据分析技术的应用探索，服务于药物警戒和用药安全监测相关的研究目的。关于其他具体应用场景、任务类型或基准评测设置，源站未提供。
【使用方法】
使用时可先下载数据文件 data_text.csv，文件合计约 3.40 MB，按 CSV 表格格式读取。建议先在小样本上核对字段与编码，确认无误后再批量接入后续处理流程。关于具体的预处理步骤、分析流程或建模方法，源站未提供。
【质量与限制】
该数据集仅含单个文件，体量较小，结构相对简单。项目描述中提到临床试验存在局限性，这构成了利用社交媒体数据开展 ADR 检测的动因之一，但数据集自身的标注质量、噪声水平、类别分布、去标识化处理情况以及已知偏差等信息，源站未提供。使用时应注意结合小样本核验结果评估其适用性。
【引用与许可】
该数据集的数字对象标识符为 10.17632/f7mrczj83k.1，版本为 v1，发布站点为 data.mendeley.com。关于具体的引用格式、作者信息以及许可条款，源站未提供。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://data.mendeley.com/datasets/f7mrczj83k
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据集大小约 3.4 MB。
数据说明
Esraa Hassan (2023). Adverse Drug Reaction Reporting [Dataset]. http://doi.org/10.17632/f7mrczj83k.1
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
