基于电子健康记录数据分析临床医生对急性呼吸窘迫综合征识别情况的定量方法
研究基于 2013 年 6 月 24 日至 12 月 31 日四家医院九个成人重症监护病房的电子健康记录，覆盖 361 例 ARDS 患者与 388 例非 ARDS 低氧血症对照患者，旨在量化影响医生潮气量选择与 ARDS 识别的患者及医生因素，并构建医生识别 ARDS 的计算模型，可用于研究临床医
基本信息
资源简介
基于电子健康记录数据分析临床医生对急性呼吸窘迫综合征识别情况的定量方法
A quantitative approach for the analysis of clinician recognition of acute respiratory distress syndrome using electronic health record data
该数据集来自 plos.figshare.com，配套 PLOS ONE 2019 年论文，包含 7 个文件（1 个 docx 与 6 个 tif）。研究基于 2013 年 6 月 24 日至 12 月 31 日四家医院九个成人重症监护病房的电子健康记录，覆盖 361 例 ARDS 患者与 388 例非 ARDS 低氧血症对照患者，旨在量化影响医生潮气量选择与 ARDS 识别的患者及医生因素，并构建医生识别 ARDS 的计算模型，可用于研究临床医生对 ARDS 的识别行为与低潮气量通气使用情况（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
配套论文《A quantitative approach for the analysis of clinician recognition of acute respiratory distress syndrome using electronic health record data》发表于 PLOS ONE（2019），DOI：10.1371/journal.pone.0222826。源站首次发布：2019-09-20。
【数据内容】
源站描述（机器翻译，仅供参考）：重要性 尽管低潮气量通气（LTVV）有效，但其在急性呼吸窘迫综合征（ARDS）患者中仍严重未被充分利用。医生对 ARDS 的识别不足是 LTVV 使用的重要障碍。我们提出一种计算方法，以解决当前自动测量医生是否识别 ARDS 的方法的部分局限性。目的 量化影响医生潮气量选择的患者和医生因素，并构建一个考虑这些因素的医生识别 ARDS 的计算模型。设计、设置和参与者 在这项横断面研究中，收集了 2013 年 6 月 24 日至 12 月 31 日期间四家医院九个成人重症监护病房中 361 名 ARDS 患者和 388 名非 ARDS 低氧血症（对照）患者的电子健康记录数据。方法 标准化潮气量
【数据结构与技术规格】
文件数 7 个，合计 105.05 MB。数据集 DOI：10.1371/journal.pone.0222826。
【主题与分类】
源站学科分类：Biotechnology、Developmental Biology、Science Policy、Mental Health、Virology。主题标签：Greater patient height、physician decision-making behavior、health record data Importance、physician behaviors、approach、physician recognition、Results Hypoxemia severity、LTVV、health record data、control patients。本站分类：呼吸系统疾病。
【适用方向】
源站学科分类标注为 Biotechnology、Developmental Biology、Science Policy、Mental Health、Virology。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/A_quantitative_approach_for_the_analysis_of_clinician_recognition_of_acute_respiratory_distress_syndrome_using_electronic_health_record_data/9886718
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Bechel, Meagan A.; Pah, Adam R.; Shi, Hanyu; Mehrotra, Sanjay; Persell, Stephen D.; Weiner, Shayna; et al. (2019). A quantitative approach for the analysis of clinician recognition of acute respiratory distress syndrome using electronic health record data. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-05-31，引用时请注意版本时效。
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（Figshare）
- 源站标题：A quantitative approach for the analysis of clinician recognition of acute respiratory distress syndrome using electronic health record data
- DOI：10.1371/journal.pone.0222826
- 发布日期：2019-09-20
- 文件数：7 个
- 文件总体积：105.05 MB
- 源站页面：https://plos.figshare.com/articles/dataset/A_quantitative_approach_for_the_analysis_of_clinician_recognition_of_acute_respiratory_distress_syndrome_using_electronic_health_record_data/9886718
命令行下载
curl -L -o "pone.0222826.s001.docx" "https://ndownloader.figshare.com/files/17767025"
curl -L -o "pone.0222826.s002.tif" "https://ndownloader.figshare.com/files/17767028"
curl -L -o "pone.0222826.s003.tif" "https://ndownloader.figshare.com/files/17767031"
curl -L -o "pone.0222826.s004.tif" "https://ndownloader.figshare.com/files/17767034"
curl -L -o "pone.0222826.s005.tif" "https://ndownloader.figshare.com/files/17767037"
curl -L -o "pone.0222826.s006.tif" "https://ndownloader.figshare.com/files/17767040"
curl -L -o "pone.0222826.s007.tif" "https://ndownloader.figshare.com/files/17767043"
文件清单
pone.0222826.s001.docx（19.74 KB）pone.0222826.s002.tif（170.59 KB）pone.0222826.s003.tif（25.25 MB）pone.0222826.s004.tif（25.25 MB）pone.0222826.s005.tif（25.25 MB）pone.0222826.s006.tif（28.80 MB）pone.0222826.s007.tif（309.65 KB）
文件总体积 105.05 MB（源站 API 实测）。
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。
数据说明
重要性
尽管低潮气量通气（LTVV）有效，但在急性呼吸窘迫综合征（ARDS）患者中仍严重未被充分利用。医生对ARDS的识别不足是LTVV使用的重要障碍。我们提出一种计算方法，以解决当前自动测量医生是否识别ARDS的方法中的一些局限性。目的
量化影响医生潮气量选择的患者和医生因素，并构建一个考虑这些因素的医生识别ARDS的计算模型。设计、设置和参与者
在这项横断面研究中，收集了2013年6月24日至12月31日期间四家医院九个成人重症监护病房中361名ARDS患者和388名非ARDS低氧血症（对照）患者的电子健康记录数据。方法
选择标准化潮气量（mL/kg预测体重）作为医生决策行为的代理指标。采用数据科学方法，我们量化了八种因素（六种疾病严重程度因素、两种医生行为因素）对ARDS和对照患者所选标准化潮气量的影响。
重要因素被纳入了医生对ARDS识别计算行为模型。结果
低氧血症严重程度和医生记录中的ARDS文档记录与ARDS队列中较低的标准化潮气量相关。较高的患者身高与ARDS和对照患者中较低的标准化潮气量（已按身高进行标准化）相关。识别模型显示，医生对ARDS的平均（99%置信区间）识别率分别为：轻度22%（9%-42%）、中度34%（19%-49%）、重度67%（41%-100%）。结论与意义
在本研究中，患者特征和医生行为被证明与ARDS和对照患者在呼吸机管理上的差异相关。我们的医生ARDS识别测量模型考虑了这些临床变量，提供了一种电子方法，超越了依赖病历文档或资源密集型方法的方式。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0222826（source: https://plos.figshare.com/articles/dataset/A_quantitative_approach_for_the_analysis_of_clinician_recognition_of_acute_respiratory_distress_syndrome_using_electronic_health_record_data/9886718）。
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。
