Pyhealth 数据集

# PyHealth 数据集与数据结构 ## 核心数据结构 ### Event (事件) 单个医疗发生事件，包含以下属性： - **code**: 医疗代码（诊断、药物、手术、实验室检查） - **vocabulary**: 编码系统（ICD-9-CM, NDC, LOINC 等） - **timestamp**: 事件发生时间 - **value**: 数值（用于实验室检查、生命体征） - **unit**: 测量单位 ### Patient (患者) 按时间顺序组织的就诊事件集合。每个患者包含： - **patient_id**: 唯一标识符 - **birth_datetime**: 出生日期 - **gender**: 患者性别 - **ethnicity**: 患者种族 - **visits**: 就诊对象列表 ### Visit (就诊) 医疗接触记录，包含： - **visit_id**: 唯一标识符 - **encounter_time**: 就诊时间戳 - **discharge_time**: 出院时间戳 - **visit_type**: 就诊类型（住院、门诊、急诊） - **events**: 该次就诊期间的事件列表 ## BaseDataset 类 **关键方法：** - `get_patient(patient_id)`: 获取单个患者记录 - `iter_patients()`: 遍历所有患者 - `stats()`: 获取数据集统计信息（患者、就诊、事件） - `set_task(task_fn)`: 定义预测任务 ## 可用数据集 ### 电子健康记录 (EHR) 数据集 **MIMIC-III 数据集** (`MIMIC3Dataset`) - 来自贝斯以色列女执事医疗中心的重症监护数据 - 40,000+ 重症监护患者 - 包含诊断、手术、药物、实验室结果 - 用法: `from pyhealth.datasets import MIMIC3Dataset` **MIMIC-IV 数据集** (`MIMIC4Dataset`) - 更新版本，包含 70,000+ 患者 - 改进了数据质量和覆盖范围 - 增强了人口统计学和临床细节 - 用法: `from pyhealth.datasets import MIMIC4Dataset` **eICU 数据集** (`eICUDataset`) - 多中心重症监护数据库 - 来自 200+ 家医院的 200,000+ 次入院记录 - 跨设施标准化的 ICU 数据 - 用法: `from pyhealth.datasets import eICUDataset` **OMOP 数据集** (`OMOPDataset`) - 观察性医疗结果伙伴关系 (OMOP) 格式 - 标准化通用数据模型 - 跨医疗系统的互操作性 - 用法: `from pyhealth.datasets import OMOPDataset` **EHRShot 数据集** (`EHRShotDataset`) - 小样本学习基准数据集 - 专门用于测试模型泛化能力 - 用法: `from pyhealth.datasets import EHRShotDataset` ### 生理信号数据集 **睡眠 EEG 数据集：** - `SleepEDFDataset`: 用于睡眠分期的 Sleep-EDF 数据库 - `SHHSDataset`: 睡眠心脏健康研究数据 - `I