代理驱动的AUC膨胀与机构反馈处理：99,492例糖尿病再入院实证治理审计
主题标签：糖尿病、再入院、AUC膨胀、利用代理特征、公平性审计、UCI数据集、模型治理。本站分类：内分泌、营养和代谢疾病/糖尿病
基本信息
资源简介
代理驱动的AUC膨胀与机构反馈处理：99,492例糖尿病再入院实证治理审计
该数据集围绕糖尿病再入院预测中的模型治理问题展开，核心是对“利用代理特征导致 AUC 膨胀”这一现象进行实证审计。研究基于 UCI Diabetes 130-US Hospitals 数据集，共纳入 99,492 条再入院记录，重点考察 number_inpatient、number_emergency、number_outpatient 三个利用代理特征对模型表观性能的影响。结果显示，这些代理特征会使头条 AUC 虚高约 0.050（从 0.659 降至移除后的 0.609），且该现象在随机森林、逻辑回归和 XGBoost 中均稳定存在，在 encounter 级别和无泄漏的患者分组划分下同样成立。数据集同时包含代码、结果数据与图表，适合用于模型公平性审计、代理特征治理和可复现研究。
【数据集背景】
该数据集面向糖尿病再入院预测中的模型治理与公平性审计问题。再入院预测常用于评估医疗服务质量与资源分配，但若模型使用了与利用行为高度相关的代理特征，可能人为抬高表观性能指标，并掩盖真实的公平性状况。该数据集以 UCI Diabetes 130-US Hospitals 数据集为实证基础，系统量化代理特征对 AUC 的膨胀效应，并进一步考察移除代理特征后公平性指标的变化是否具有统计显著性。其研究定位属于实证治理审计，而非单纯的预测建模数据集。
【数据内容】
数据集包含代码、结果数据和图表，对应一篇关于代理驱动 AUC 膨胀与机构反馈处理的实证治理审计研究。实证部分聚焦 99,492 条糖尿病再入院记录，涉及三个利用代理特征：number_inpatient、number_emergency、number_outpatient。结果数据覆盖随机森林、逻辑回归和 XGBoost 三种模型，在 encounter 级别与无泄漏的患者分组划分下的 AUC 变化，以及 shuffled-label 负对照结果。公平性方面涉及移除代理特征前后的平均公平性增益比较，以及 African-American 群体的 AUC 相关结果。源站描述在 African-American AUC 处中断，后续内容未提供。
【采集与来源】
数据来源为 UCI Diabetes 130-US Hospitals 数据集，样本量为 99,492 条再入院记录。数据集由 JEMAI, Marouen 与 JEMAI, Abderrazak 提交，机构为 Zenodo，来源站为 doi.org，发布时间为 2026 年。源站描述中提到的仓库文件为 zenodo_upload.zip，包含代码、结果数据和图表。除上述信息外，源站未提供更细的采集流程、时间范围或原始数据字段说明。
【适用场景】
该数据集适用于糖尿病再入院预测中的代理特征审计、AUC 膨胀量化、模型公平性评估与治理研究。具体可用于复现三种模型在有无代理特征条件下的性能差异，检验 encounter 级别与患者分组划分下的稳健性，以及开展 shuffled-label 负对照实验。也可用于教学或方法学讨论，说明利用代理特征如何影响模型评估结论，以及公平性增益的统计显著性检验为何重要。
【使用方法】
使用者可通过 zenodo_upload.zip 获取代码、结果数据和图表，并依据仓库中的脚本复现实证分析。分析流程涉及在 UCI Diabetes 130-US Hospitals 数据集上构建随机森林、逻辑回归和 XGBoost 模型，分别在有代理特征与移除代理特征的条件下计算 AUC，并采用非重叠 bootstrap 95% 置信区间比较差异。稳健性检验覆盖 encounter 级别与无泄漏的患者分组划分，并以 shuffled-label 负对照验证效应是否消失。公平性分析则比较移除代理特征前后的平均公平性指标变化，并用 bootstrap 置信区间判断变化是否包含零。源站未提供更具体的运行环境、依赖版本或参数设置。
【质量与限制】
该研究的核心发现具有多模型、多划分方式的稳健性：代理特征导致的 AUC 膨胀在随机森林、逻辑回归和 XGBoost 中一致，ΔAUC 范围为 0.041–0.061，且在 shuffled-label 负对照下消失。公平性方面，移除代理特征带来的表观平均公平性增益从 0.125 降至 0.086，但该变化在 bootstrap 置信区间中包含零，因此不具统计显著性。限制方面，源站描述在 African-American AUC 处中断，相关公平性结论不完整；此外，源站未提供外部验证、数据更新周期或跨机构泛化能力的说明。
【引用与许可】
该数据集采用 Creative Commons Attribution 4.0 International 许可，允许在署名条件下使用、共享和改编。作者为 JEMAI, Marouen 与 JEMAI, Abderrazak，机构为 Zenodo，发布时间为 2026 年，来源站为 doi.org。引用时应遵循该许可要求进行署名。源站未提供具体的推荐引用格式或 DOI 编号。
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/10.5281/zenodo.23146507
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 1.6 MB。
数据说明
本仓库（zenodo_upload.zip）包含手稿《代理驱动的AUC膨胀与机构反馈处理：对99,492例糖尿病再入院的实证治理审计》的代码、结果数据和图表。贡献1（实证）——代理膨胀量化：在UCI Diabetes 130-US Hospitals数据集（N=99,492）上，三个利用代理特征（number_inpatient、number_emergency、number_outpatient）使头条AUC膨胀0.050（0.659 → 0.609；非重叠自助法95%置信区间）。该发现在随机森林、逻辑回归和XGBoost中均稳定，在就诊层面和无泄漏的患者分组划分中均成立（ΔAUC 0.041–0.061），且在打乱标签的阴性对照下不存在。移除代理所带来的表观平均公平性增益（0.125 → 0.086）在统计上不显著（变化量的自助法置信区间包含零），而非裔美国人AUC从0.628降至0.562——这一亚组特异性退化经均等赔率审计得到确认。
贡献2（理论+计算）——制度反馈处理（IFP）：将三阶段机制（信号检测、解释性中介、惯例重构）形式化，并给出稳定性条件 E[Mt+1 | Rt] < Mt，在基于主体的仿真中检验（60个组织 × 12个PDCA循环 × 30个随机种子）：在弱/强IFP重构下，总体治理信号负载分别下降58.8% / 78.8%，而无IFP时上升23.7%（p<0.001）；8种配置的参数敏感性扫描证实了定性结论。v2变更：修正了IFP仿真脚本中的一个错误（所有仿真统计量和图7均基于修正后的输出重新生成）；新增参数敏感性扫描；新增稳健性测试套件（按患者分组划分、LR/XGBoost基线、打乱标签对照、均等赔率审计）；新增校准与缺失值报告；新增框架图；扩充README（完整文件映射、复现步骤、xgboost依赖）。
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。
