MedNgage数据集
包含2100条癌症症状管理对话，标注社会情感与认知参与度，用于提升AI对医患对话的理解。
基本信息
资源简介
MedNgage数据集包含2100条患者与护士关于癌症症状管理的对话，手动标注了社会情感和认知语言两类参与度，旨在帮助AI系统理解患者与医疗从业者的自然对话，提高患者护理质量。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取
git clone https://github.com/YanRayray/MedNgage.git
curl -L -o repo.zip https://github.com/YanRayray/MedNgage/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
MedNgage: A Dataset for Studying Engagement in Patient-Nurse Conversations
The MedNgage dataset contains de-identified patient-nurse conversations from asynchronized message boards on cancer symptom management. The dataset includes 2.1K turns between 4 nurse interventionists and 68 patients with recurrent ovarian cancer.
To ensure HIPAA compliance and protect patient privacy, we used the NLM Scrubber offered by NIH to produce the de-identified health information for scientific use. Two independent annotators evaluated the dataset to ensure that patients cannot be traced. The content provided in this work is licensed under the Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) license.
To access the dataset, interested investigators must comply with NIH data sharing requirements, including obtaining an Ethical Review from their institution and submitting a formal request for the data by filling out the Data Request Application Form. The form can be found in the “Forms/” directory.
Please send the completed Ethical Review and Data Request Application to Dr. Heidi Donovan (donovanh@pitt.edu;https://www.nursing.pitt.edu/person/heidi-donovan) to request access to the dataset.
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))
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 癌症（总论） 的高质量、多模态真实临床数据定制解决方案。
