巴西自发报告药物不良事件：VigiMed 数据集（2018–2025）
该数据集包含从巴西国家药物警戒数据库 VigiMed（ANVISA）提取的个例安全性报告（ICSRs），覆盖 2018 至 2025 年的药物不良事件自发报告
基本信息
资源简介
巴西自发报告药物不良事件：VigiMed 数据集（2018–2025）
Spontaneous Reporting of Adverse Drug Events in Brazil: VigiMed Dataset (2018–2025)
该数据集包含从巴西国家药物警戒数据库 VigiMed（ANVISA）提取的个例安全性报告（ICSRs），覆盖 2018 至 2025 年的药物不良事件自发报告。数据以 Parquet 格式提供，便于高性能分析查询，提取过程通过 GitHub Actions 自动化，并使用 Python、SQL 和 DuckDB 完成处理与整合。内容包括患者人口学信息、可疑药物信息（活性成分、剂量）以及不良反应详情（MedDRA 术语、严重性和临床结局），敏感个人数据已移除以符合去标识化和隐私法规。适用于药物警戒、药物安全监测等研究（来源 DOI 解析）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：摘要/描述：该数据集包含从 VigiMed（巴西国家药物警戒数据库，ANVISA）提取的个例安全性报告（ICSRs）。它涵盖 2018 至 2025 年的药物不良事件自发报告。技术规格：数据以 Parquet 格式提供，针对高性能分析查询进行了优化。提取通过 GitHub Actions 自动化完成，数据处理和整合使用 Python、SQL 和 DuckDB 执行。数据内容：数据集包括患者人口学信息、可疑药物信息（活性成分、剂量）以及不良反应详情（MedDRA 术语、严重性和临床结局）。敏感个人数据已被移除，以确保去标识化并符合数据隐私法规。使用与可复现性：非常适合药物警戒、药物安全监测等研究，
【主题与分类】
主题标签：Computer and Information Science、Medicine, Health and Life Sciences、Pharmacovigilance、VigiMed、Drug Safety、Brazil、Data Mining、Adverse Drug Reaction。本站分类：化学诱发性障碍/其他。
【获取与许可】
源站页面：https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/DRWDMU
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://doi.org/10.7910/DVN/DRWDMU
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:
数据说明
摘要/描述：本数据集包含从VigiMed（巴西国家药物警戒数据库，ANVISA）提取的个例安全性报告（ICSRs）。它涵盖了2018年至2025年期间药物不良事件的自发报告。技术规格：数据以Parquet格式提供，针对高性能分析查询进行了优化。提取过程通过GitHub Actions自动化完成，数据处理和整合使用Python、SQL和DuckDB执行。数据内容：数据集包括患者人口统计学信息、可疑药物信息（活性成分、剂量）以及不良反应详情（MedDRA术语、严重性和临床结局）。敏感个人数据已被移除，以确保去标识化并符合数据隐私法规。使用与可复现性：非常适合药物警戒、药物安全监测和数据挖掘应用领域的研究。Parquet文件可直接导入DuckDB或Python（pandas/polars）环境。ETL管道的源代码可在以下地址获取：https://github.com/mlab-inf-ufrgs/vigimed
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。
