数据集概述
本数据集包含修正后的EBM-PICO测试集标注及相关词典资源，用于系统综述自动化中的PICO（参与者、干预措施、结局）实体识别。EBM-PICO数据集原分为众包标注训练集和专家标注测试集，存在标注质量问题。本数据集提供经错误修正的测试集标注，以及从临床实验数据库和文献中生成的PICO相关词典文件。
文件详解
- 修正测试集标注文件
- 文件名称：test_ebm_correctedlabels.tsv
- 文件格式：TSV
- 字段映射介绍：包含pmid（文献ID）、tokens（分词结果）、pos（词性标注）、offsets（位置偏移）、p_f（参与者细粒度标签）、i_f（干预措施细粒度标签）、o_f（结局细粒度标签）、text（文本内容）等字段。
- 错误分析文件
- 文件名称：error_analysis.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含对EBM-PICO训练集标注错误的分析内容，用于解释错误原因及修正依据。
- 临床实验词典压缩包
- 文件名称：ds_cto_dict.zip
- 文件格式：ZIP
- 内容介绍：包含4个远程监督词典文件，分别为participant.txt（参与者词典）、intervention.txt（干预措施词典）、intervention_syn.txt（干预措施同义词词典）、outcome.txt（结局词典），从clinicaltrials.gov生成。
- 手工构建词典压缩包
- 文件名称：handcrafted_dictionaries.zip
- 文件格式：ZIP
- 内容介绍：包含3个文件，gender_sexuality.txt（性别与性取向词汇表）、endpoints_dict.txt（结局指标与问卷名称词典）、comparator_dict（对照术语词典，如sham、placebo等）。
数据来源
论文“Not So Weak-PICO: Leveraging weak supervision for Participants, Interventions, and Outcomes recognition for systematic review automation”
适用场景
- 医学文本PICO实体识别：用于训练和评估系统综述自动化中的PICO实体识别模型。
- 标注质量改进研究：分析EBM-PICO数据集标注错误类型，优化标注流程和质量控制方法。
- 远程监督方法研究：利用提供的词典资源，开展弱监督PICO实体识别方法研究。
- 系统综述自动化工具开发：为临床研究系统综述自动化工具提供高质量训练数据和词典支持。
