药品不良反应（ADR）报告数据集
该数据集为合成表格数据，模拟药品不良反应（ADR）的药物警戒报告，共 1,000,000 行个体报告、10 列，混合类别、数值与类自由文本字段，格式兼容 CSV
基本信息
资源简介
药品不良反应（ADR）报告数据集
Adverse Drug Reaction (ADR) Reporting
该数据集为合成表格数据，模拟药品不良反应（ADR）的药物警戒报告，共 1,000,000 行个体报告、10 列，混合类别、数值与类自由文本字段，格式兼容 CSV。数据强调严重 ADR 的稀有与不平衡：绝大多数报告为轻度，严重与致死合计约 4–5%，参考 FDA FAERS、EMA EudraVigilance 等真实系统。可用于药物安全监测的研究、机器学习实验与算法开发（来源 Kaggle，CC0: Public Domain 许可）。
【数据集背景】
源站首次发布：2026-02-19。
【数据内容】
源站描述（机器翻译，仅供参考）：该合成表格数据集模拟药品不良反应（ADRs）的药物警戒报告，旨在支持药物安全监测领域的研究、机器学习实验和算法开发。它包含真实但完全人工构造的个体病例安全报告（ICSRs），灵感来自监管机构使用的真实药物警戒系统（如 FDA FAERS、EMA EudraVigilance）。该数据集强调严重 ADR 的稀有性和不平衡性：绝大多数报告为轻度，而严重和致死结局出现频率较低（严重/致死合计约 4–5%），反映了真实世界中上市后监测的报告不足和严重程度分布偏斜。主要特征 - 规模：1,000,000 行（个体报告）。- 格式：表格（兼容 CSV），10 列，混合类别、数值和类自由文本字段
【数据结构与技术规格】
文件数 1 个，合计 74.63 MB。
【主题与分类】
主题标签：programming、healthcare、regression、drugs and medications。本站分类：化学诱发性障碍/其他。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/amritanshukush/adverse-drug-reaction-adr-reporting
使用许可：CC0: Public Domain。
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。
需登录公开下载
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。
暂未开放有偿下载
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://kaggle.com/datasets/amritanshukush/adverse-drug-reaction-adr-reporting
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 74.6 MB。
数据说明
Amritanshu Kumar Singh (2026). Adverse Drug Reaction (ADR) Reporting [Dataset]. https://www.kaggle.com/datasets/amritanshukush/adverse-drug-reaction-adr-reporting
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。
