临床反事实干预脓毒症检测数据集
该数据集用于测试模型能否判断临床干预是否真正改变了脓毒症样系统的病程轨迹，而非患者自行好转。预测目标为 label_intervention_prevented_collapse，0 表示崩溃可能本来就会发生或干预未实质改变轨迹，1 表示干预改变了轨迹并阻止了崩溃
基本信息
资源简介
临床反事实干预脓毒症检测数据集
ClarusC64/clinical-counterfactual-intervention-sepsis-v1
该数据集用于测试模型能否判断临床干预是否真正改变了脓毒症样系统的病程轨迹，而非患者自行好转。预测目标为 label_intervention_prevented_collapse，0 表示崩溃可能本来就会发生或干预未实质改变轨迹，1 表示干预改变了轨迹并阻止了崩溃。数据以 CSV 表格与文本形式提供，包含训练集与测试集，并附带评分脚本，适用于文本分类任务，可用于评估干预因果效应的判别能力（来源 Hugging Face，mit 许可）。
【数据集背景】
源站首次发布：2026-04-19。
【数据内容】
源站描述（机器翻译，仅供参考）：临床反事实干预脓毒症检测 概述 该数据集测试模型能否检测到干预是否真正改变了脓毒症样临床系统的轨迹，相对于可能的反事实路径。在许多临床环境中，患者在接受治疗后好转，但这并不总是意味着干预导致了康复。有些系统本来就会稳定下来，而另一些系统尽管接受了干预仍会继续走向崩溃。该基准的目标是确定干预是否显著改变了轨迹并阻止了崩溃。 --- 预测目标 label_intervention_prevented_collapse 0 = 崩溃可能本来就会发生，或干预未实质改变轨迹 1 = 干预改变了轨迹并阻止了崩溃 任务是确定干预是否
【数据结构与技术规格】
文件数 3 个，合计 5.83 KB。
【主题与分类】
主题标签：clinical-trials、clarus-benchmark、state-space、sepsis、counterfactual-intervention、instability-geometry。本站分类：感染性疾病/脓毒症。
【获取与许可】
源站页面：https://huggingface.co/datasets/ClarusC64/clinical-counterfactual-intervention-sepsis-v1
使用许可：mit。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("ClarusC64/clinical-counterfactual-intervention-sepsis-v1")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/ClarusC64/clinical-counterfactual-intervention-sepsis-v1
数据集大小约 5.3 KB。
仓库文件结构
.gitattributesREADME.mdscorer.py
数据说明
临床反事实干预脓毒症检测概述 本数据集用于测试模型能否检测出干预措施是否真正改变了脓毒症样临床系统的轨迹，而非沿着可能的反事实路径发展。在许多临床情境中，患者在接受治疗后病情好转，但这并不总是意味着干预导致了康复。有些系统无论如何都会稳定下来，而另一些则会继续走向崩溃……完整描述请见数据集页面：https://huggingface.co/datasets/ClarusC64/clinical-counterfactual-intervention-sepsis-v1。
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。
完整数据卡：huggingface.co/datasets/ClarusC64/clinical-counterfactual-intervention-sepsis-v1
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。
