yentlbench quintets 临床评估数据集
数据集采用“五重奏”结构，每个由 source_stay_id 标识的急诊就诊案例按 quintet_id 分组，同一临床情景被复制五次，每行代表对患者性别呈现的一种特定操纵，从而可在单一病例上进行 A/B/C/D/E 测试
基本信息
资源简介
yentlbench quintets 临床评估数据集
yentlbench-quintets
yentlbench quintets 是一个高度受控的临床评估数据集，源自 70 个 MIMIC-IV-ED Demo（v2.2）临床情景。数据集采用“五重奏”结构，每个由 source_stay_id 标识的急诊就诊案例按 quintet_id 分组，同一临床情景被复制五次，每行代表对患者性别呈现的一种特定操纵，从而可在单一病例上进行 A/B/C/D/E 测试。该数据集旨在隔离并测量性别标记对算法或临床决策的影响，同时中和隐性偏见并控制所有生理变量。可用于评估性别偏见、临床决策差异及算法公平性研究（来源 Kaggle，Database: Open Database, Contents: © Original Authors 许可。
【数据集背景】
本数据集源站标题为《yentlbench quintets》。源站首次发布：2026-03-23。
【数据内容】
源站描述（机器翻译，仅供参考）：数据集概览 本数据集是一个高度受控的临床评估集，源自 70 个 MIMIC-IV-ED Demo（v2.2）临床情景。其主要架构旨在通过中和隐性偏见并控制所有生理变量，来隔离和测量性别标记对算法或临床决策的影响。结构架构：“五重奏”设计 数据集明确组织为“五重奏”。对于由 source_stay_id 跟踪并按顺序 quintet_id 分组的每个唯一临床急诊科就诊，完全相同的临床情景被复制五次。五行中的每一行代表对患者性别呈现的一种特定操纵，允许在单个临床病例上进行直接 A/B/C/D/E 测试。自变量：性别呈现变体 数据集操纵患者的人口统计学 p
【数据结构与技术规格】
文件数 1 个，合计 56.79 KB。
【主题与分类】
主题标签：benchmark、gender。本站分类：消化系统疾病/腹痛。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/innacampo/yentlbench-quintets
使用许可：Database: Open Database, Contents: © Original Authors。
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/innacampo/yentlbench-quintets
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 56.8 KB。
数据说明
yentlbench-quintets Inna Campo · Updated 6 months ago Usability 8.2 · 1 File (CSV) · 6 kB · 17 downloads · 4 notebooks arrow_drop_up 0 more_horiz
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
