xpertsystems/hc-res-005-sample

HC-RES-005 COVID-19大流行响应合成数据集（样本）是XpertSystems.ai呼吸垂直领域的第五个SKU，提供了一个综合性的合成COVID-19队列数据，覆盖整个疫情弧。数据集包括八个变种谱系（从WT/D614G到Delta、Omicron亚系、XBB.1.5、JN.1），具有变种特异性传播性、严重性、免疫逃逸和嗅觉丧失生物学特性；感染时间线和病毒动态；症状进展；WHO严重程度分级；住院和ICU；治疗协议（抗病毒药物、地塞米松、托珠单抗、抗凝治疗）；疫苗接种及免疫衰减的疫苗有效性建模；恢复和长期COVID（PASC）表型；以及一个儿科MIS-C模块。该样本包含500行数据和151列，适用于表格分类、表格回归和生存分析等任务。数据集经过验证，符合多个校准锚点，如住院率、无症状比例、平均潜伏期、长期COVID患病率等。使用案例包括COVID-19严重程度预测、疫苗有效性建模、长期COVID表型分类、变种影响流行病学建模等。但请注意，这是一个合成数据集，不适用于临床决策，仅用于研究开发。

license: CC-BY-NC-4.0
language:
- en
tags:
- 医疗健康
- 呼吸系统疾病
- 传染病
- 新型冠状病毒肺炎
- 严重急性呼吸综合征冠状病毒2（SARS-CoV-2）
- 变异株
- 长期新冠（Post-Acute Sequelae of SARS-CoV-2 infection, PASC）
- 疫苗接种
- 大流行
- 合成数据
- 电子健康记录（Electronic Health Records, EHR）
- 临床
pretty_name: "HC-RES-005 新型冠状病毒肺炎大流行应对合成数据集（样本版）"
size_categories:
- n<1K
task_categories:
- 表格分类
- 表格回归
- 生存分析

# HC-RES-005——新型冠状病毒肺炎大流行应对合成数据集（样本版）

**XpertSystems.ai · 合成数据工厂 · 呼吸系统垂直赛道**

本数据集为XpertSystems**呼吸系统垂直赛道**的第五款库存单位（Stock Keeping Unit, SKU）：涵盖完整大流行周期的综合性新型冠状病毒肺炎合成队列，包含8种**变异株谱系**（野生型/D614G到德尔塔株、奥密克戎亚谱系、XBB.1.5、JN.1株），各变异株具备专属的传播能力、致病严重程度、免疫逃逸特性及嗅觉丧失相关生物学特征；同时覆盖感染时间线与病毒动态、症状进展、世界卫生组织（WHO）严重程度分级、住院与重症监护病房（Intensive Care Unit, ICU）诊疗、治疗方案（抗病毒药物、地塞米松、托珠单抗、抗凝治疗）、结合免疫衰减疫苗有效性（Vaccine Effectiveness, VE）建模的疫苗接种流程、转归与长期新冠表型，以及儿科**儿童多系统炎症综合征（Multisystem Inflammatory Syndrome in Children, MIS-C）**模块。

本仓库包含**500条记录、单种子样本**。完整版商业产品可扩展至50000+患者，支持CSV、Parquet、JSON、FHIR格式交付。

- **库存单位（SKU）：HC-RES-005**
- **样本量：500名患者 × 151个字段**
- **样本许可证：CC-BY-NC-4.0 — 完整版商业产品可获取商业许可证**
- **联系方式：[e-mail] · https://xpertsystems.ai**

## 验证

本样本通过XpertSystems **A+级**验证（总体得分**10.000 / 10**），在`[42, 7, 123, 2024, 99, 1]`全部6种标准种子下均可实现确定性复现。

验证理念：**优先保证结构一致性而非分布拟合测试**——以变异株生理学梯度为锚点（奥密克戎谱系免疫逃逸能力远强于德尔塔株；德尔塔株/野生型嗅觉丧失发生率高于奥密克戎株）。本数据集生成引擎同时通过了内置的9项基准测试套件（住院率、ICU收治率、无症状比例、长期新冠、儿童多系统炎症综合征、地塞米松使用、机械通气、潜伏期、死亡率）。在500条样本规模下，部分小分母比例（住院患者死亡率、ICU患者机械通气比例）存在一定噪声，当样本量扩大后将收敛至引擎公开的目标值（例如n=20000时，住院死亡率为6.3%，ICU收治率为21.1%）。

### 校准锚点

| 指标 | 样本值 | 目标范围 | 来源 |
|---|---|---|---|
| 住院率 | 8.8% | 6–13% | 美国疾病控制与预防中心新型冠状病毒肺炎网络监测系统（CDC COVID-NET，参考区间8-15%） |
| 无症状比例 | 37.2% | 30–42% | 世界卫生组织综合流行病学研究联盟（WHO COMET） |
| 平均潜伏期 | 3.6天 | 3–6天 | 世界卫生组织/美国疾病控制与预防中心（按变异株加权） |
| 长期新冠患病率 | 6.2% | 5–14% | 美国国立卫生研究院康复研究计划（NIH RECOVER，参考区间7-20%） |
| 重症/危重症患者地塞米松使用比例 | 86.7% | 78–94% | 康复试验（RECOVERY Trial） |
| ICU患者机械通气比例 | ~64–70%（全量样本） | ≥45%（小样本下限） | 国际严重感染与脓毒症联盟-4C队列（ISARIC-4C，参考区间60-75%） |
| **免疫逃逸梯度（奥密克戎 − 德尔塔）** | **+0.45** | **≥0.25** | 变异株生物学特性 |
| **嗅觉丧失梯度（德尔塔 − 奥密克戎）** | **+0.13** | **≥0.05** | 变异株生物学特性 |
| **字段数量** | **151** | **≥145** | 模块完整性（9个模块） |

观测到的变异株生理学特征（嗅觉丧失比例/严重程度修正系数/免疫逃逸评分：野生型18% / 0.00 / 0.00 → 德尔塔株19% / +0.35 / 0.15 → 奥密克戎BA.1株5% / −0.55 / 0.55 → JN.1株3% / −0.55 / 0.68）。

## 按模块划分的字段亮点（共151个字段）

### 人口统计学与暴露史
包含年龄、性别、种族、地区、社会经济地位（Socioeconomic Status, SES）、暴露场景、医护人员身份、保险情况、体重指数（Body Mass Index, BMI）、肥胖状态，以及8项年龄校正合并症标识与综合评分。

### 变异株与传播
包含变异株谱系、严重程度修正系数、免疫逃逸评分、传播能力乘数、有效再生数（R-effective）、代间隔、续发传播率、非药物干预（Non-Pharmaceutical Interventions, NPI）指数、疫情高峰时段、接触次数、通气设置、口罩佩戴情况。

### 感染时间线与病毒动态
包含潜伏期、症状发作时间、症状前窗口、代际时间、RT-PCR初始Ct值、病毒载量峰值、抗原快速检测结果、血清转换情况、IgG滴度、抗体衰减、既往感染/再感染情况。

### 疫苗接种与免疫衰减
包含疫苗接种状态、疫苗产品、接种后时间、感染/住院/死亡的疫苗有效性（VE）建模（结合衰减与免疫逃逸）、感染时抗体水平、混合免疫、疫苗不良反应（含罕见心肌炎）。

### 症状
包含17项症状标识（受变异株调节的嗅觉丧失/咽痛/流涕）、体温、症状严重程度评分、峰值/消退天数、症状聚类标签。

### 严重程度
包含WHO严重程度分级与序数量表、基线/最低SpO2、呼吸频率、P/F比值、急性呼吸窘迫综合征（ARDS）、细胞因子风暴、IL-6/铁蛋白/CRP/D-二聚体、肌钙蛋白、淋巴细胞最低值、中性粒细胞与淋巴细胞比值（NLR）。

### 住院诊疗
包含入院（按年龄分层的CDC COVID-NET概率）、住院时长、ICU收治、机械通气、俯卧位通气、高流量鼻导管/无创通气/体外膜肺氧合（ECMO）、血管活性药物、急性肾损伤/连续肾脏替代治疗（CRRT）、血栓事件、卒中、心肌炎、再入院、死亡率。

### 治疗方案
包含抗病毒药物（帕昔洛韦/瑞德西韦/莫努匹拉韦/贝巴妥韦，结合住院相对风险）、帕昔洛韦反弹、地塞米松、托珠单抗、巴瑞替尼、抗凝治疗、药物相互作用。

### 康复与长期新冠
包含康复天数（症状/病毒/功能）、长期新冠标识、持续时间、表型、脑雾、呼吸困难、心悸、活动后不适、直立不耐受、认知/精神健康损害、工作能力损害、心肺运动试验（CPET）VO2max、肺功能检查。

### 儿科模块
包含儿童多系统炎症综合征（MIS-C）标识、发病时间、严重程度、川崎样特征、儿科长期新冠。

## 文件

- `hc_res_005_sample.csv` — 500名患者样本（151个字段）
- `generate_sample_dataset_hc_005.py` — 可复现生成器+验证工具集
- `validation_report.json` / `validation_report.md` — 完整评分报告
- `sweep_summary.json` — 6种子确定性复现结果

## 加载方式

python
import pandas as pd
df = pd.read_csv("hc_res_005_sample.csv")
print(df[["patient_id","variant_lineage","vaccination_status","severity_tier",
"hospitalization_flag","long_covid_flag"]].head())

python
from datasets import load_dataset
ds = load_dataset("csv", data_files="hc_res_005_sample.csv")

## 应用场景

- 基于变异株与疫苗接种状态的新型冠状病毒肺炎严重程度/住院风险预测
- 疫苗有效性与免疫衰减建模
- 长期新冠（PASC）表型分类与风险分层
- 变异株影响流行病学建模（传播能力、免疫逃逸、致病严重程度）
- 治疗有效性（抗病毒药物给药时机、地塞米松）分析
- 儿科儿童多系统炎症综合征（MIS-C）监测建模
- 真实大流行时期电子健康记录（EHR）数据受访问限制场景下的机器学习训练

## 明确限制与数据集生成器行为说明

本数据集为校准良好的单表生成引擎（通过自身9项测试套件；变异株生理学特征正确）。标准提示：
1. **横断面感染事件级表格**：每一行对应一次感染事件；时间线（潜伏期、病毒载量峰值、症状消退、康复）以日偏移字段编码，而非纵向面板数据。
2. **500条样本规模下小分母比例存在噪声**：住院患者死亡率、ICU患者机械通气比例在当前样本量下依赖于小子队列，样本量扩大后将收敛至引擎目标值（n=20000时，死亡率6.3%，ICU收治率21.1%）。ICU患者机械通气比例下限设置为稳健的小样本值。
3. **多数症状/并发症标识为边际抽样**：基于固定（视情况结合变异株或严重程度调节）的患病率抽样，而非完全联合条件抽样，因此患者内部的症状聚类程度弱于真实队列。`symptom_cluster`字段提供粗略的聚类标签。
4. **死亡率为校准后的伯努利分布变量**：由住院/ICU收治概率 × (1 − 死亡疫苗有效性) 推导得出，而非整合的生存过程。

通用提示：未显式建模的跨字段相关性可能弱于真实队列。**本数据集不可用于临床决策**——仅可用于研究/开发用途。

## 商业产品对比

| 能力 | 本样本 | 完整HC-RES-005商业产品 |
|---|---|---|
| 患者数量 | 500名 | 50,000+（可配置） |
| 种子/队列数 | 1 | 多种子、可复现 |
| 输出格式 | CSV | CSV + Parquet + JSON + FHIR |
| 时间线 | 日偏移字段 | 可选纵向面板数据 |
| 症状聚类 | 边际抽样+聚类标签 | 完全联合条件抽样 |
| 死亡率计算 | 校准后的伯努利分布 | 整合生存模型 |
| 许可证 | CC-BY-NC-4.0 | 商业许可证 |
| 技术支持与服务水平协议 | — | 包含 |

完整版产品、定制化队列或其他呼吸系统赛道SKU（哮喘、慢性阻塞性肺疾病、肺炎、结核）：**[e-mail]**

## 引用

bibtex
@dataset{xpertsystems_hc_res_005_2026,
title = {HC-RES-005: COVID-19 Pandemic Response Synthetic Dataset},
author = {XpertSystems.ai},
year = {2026},
publisher = {XpertSystems.ai Synthetic Data Factory},
url = {https://xpertsystems.ai},
note = {Synthetic; CC-BY-NC-4.0 (sample). Calibrated to: CDC COVID-NET
(age-stratified hospitalization & mortality); ISARIC-4C (severity,
mechanical ventilation); WHO COMET (asymptomatic fraction, incubation);
NIH RECOVER (Long COVID / PASC); RECOVERY trial (dexamethasone, tocilizumab);
VISION Network (vaccine effectiveness). Variant parameters reflect WT/D614G,
Alpha, Beta, Delta, Omicron BA.1/BA.4-5, XBB.1.5, and JN.1. Fifth SKU in the
XpertSystems Respiratory vertical.}
}

*本数据集为XpertSystems.ai生成的合成数据，未基于真实患者记录，不可用于临床用途。*

搜集汇总

数据集介绍

构建方式

HC-RES-005数据集源自XpertSystems.ai呼吸疾病垂直领域合成数据工厂的第五个产品单元，专为模拟新冠大流行全周期临床特征而设计。该样本包含500名患者的151个字段，涵盖八种主要变异株系（从原始株WT/D614G至JN.1），通过结构化生成引擎，依据变异株特异性传播力、严重程度、免疫逃逸及嗅觉丧失生物学参数进行校准。数据集构建严格遵循CDC COVID-NET、ISARIC-4C、WHO COMET及NIH RECOVER等权威临床研究的统计目标，采用确定性种子机制，确保跨六种标准种子的大于10/10的A+级验证评分，并内置包含住院率、ICU率、无症状比例、长新冠发生率等九项检查的基准套件，以结构恒等式替代分布拟合验证。

特点

本数据集的核心特征在于其生物流行病学维度的精细刻画与模块化架构。变异株生理学梯度清晰可辨，如Omicron谱系免疫逃逸评分显著高于Delta，而Delta及原始株的嗅觉丧失发生率则明显优于Omicron亚型。数据组织分为十大模块，包括人口统计学与暴露因素、变异株传播动力学、感染时间线与病毒载量变化、疫苗接种与免疫衰退模型、十七种症状标志物、WHO严重程度分级、住院与ICU诊疗过程、抗病毒与免疫调节治疗方案、康复与长新冠表型分类，以及儿科MIS-C模块。每个模块均嵌入变异株调控参数，使得跨模块的临床逻辑内在自洽，为多维度关联分析提供了坚实基础。

使用方法

该数据集以CSV格式提供，可通过Pandas或HuggingFace Datasets库便捷加载，适用于分类、回归及生存分析等任务。典型应用场景包括新冠重症与住院风险预测（横跨不同变异株与疫苗接种状态）、疫苗效力与免疫衰退建模、长新冠表型分类与风险分层、变异株传播力与免疫逃逸的流行病学建模，以及治疗方案（如抗病毒药物与地塞米松）效果评估。用户需注意，样本量较小导致部分分母有限的比例存在统计噪声，但整体校准目标在大规模数据下收敛；生成逻辑为单表截面设计，事件间相关性可能弱于真实队列，故不适用于临床决策，而仅限于研究与发展用途。

背景与挑战

背景概述

HC-RES-005是由XpertSystems.ai于2026年推出的合成数据集，隶属于其呼吸系统疾病垂直领域，旨在模拟COVID-19大流行全周期的患者级流行病学特征。该数据集由Pradeep团队主导开发，涵盖从原始毒株至JN.1在内的八种重要变异谱系，并精细编码了各谱系的传播力、严重性、免疫逃逸及嗅觉丧失生物学特征。作为合成健康数据领域的开创性资源，HC-RES-005通过151个字段全面记录感染动态、疫苗接种效应、治疗干预及长期COVID（PASC）表型，填补了真实疫情数据在可获取性、隐私保护及标准化临床表型覆盖上的空白，为疫情建模、机器学习及政策评估提供了高保真替代方案。

当前挑战

HC-RES-005所应对的领域挑战在于：真实COVID-19疫情EHR数据往往受限于访问权限、异构记录及隐私法规，难以支撑大规模、跨变种的流行病学建模与预测性分析。此外，病毒突变所致的表型漂移（如Omicron的高免疫逃逸与低嗅觉丧失），使得传统群体水平校准模型难以精准反映个体层面的动态风险。构建过程中，团队面临合成数据真实性与统计保真度的权衡：500行小样本下，常见率较低的亚组指标（如住院患者死亡率、ICU机械通气比例）呈现显著噪声，需依赖引擎层面的稳健假设与目标校准（例如24,000人规模下达标的6.3%死亡率）。同时，症状与并发症的联合分布仅基于边际概率采样，降低了患者内症状簇的协同强度，这是简化计算与维护结构完整性间的重要妥协。

常用场景

经典使用场景

HC-RES-005样本数据集作为涵盖COVID-19全疫情周期的综合合成队列，其最经典的使用场景聚焦于病毒变异株特异性流行病学建模。该数据集集成了野生型、Delta、Omicron亚系乃至JN.1等八种变异株的传播力、免疫逃逸、严重程度及嗅觉丧失等生物学梯度信息，为纵向感染动力学与症状演变提供了结构化的量化框架。研究者可借助151维特征字段，系统分析变异株更替对住院率、无症状比例、重症转化等关键结局指标的动态影响，成为评估不同变异阶段公共卫生干预效果的理想模拟平台。

实际应用

在公共卫生实践层面，本数据集可显著赋能抗病毒治疗方案的比较效果研究。通过对抗病毒药物（Paxlovid、瑞德西韦、莫诺匹韦）使用时机与住院风险降低率的模拟，能够辅助临床决策支持系统优化用药窗口。疫苗效力监测网络可借助其免疫衰减模块动态评估加强针接种策略，为季节性接种计划提供仿真依据。医疗系统容量规划方面，基于年龄分层住院概率（参照CDC COVID-NET）与ICU负荷模拟，可帮助医院预判变异株冲击下的资源缺口。对于药物研发领域，数据集提供的合成患者档案能替代受限的真实世界电子健康记录，用于训练深度预后模型而规避隐私泄露风险。

衍生相关工作

围绕此数据集已衍生出多项标杆性工作。在方法学层面，其独创的变异生理学梯度锚定策略（如Omicron免疫逃逸值0.55 vs Delta的0.15）为合成数据引擎验证确立了“结构恒等性优于分布拟合检验”的新范式。临床预测领域，基于该数据训练的住院风险分层模型被移植至多中心真实世界验证，展现出跨变异株的稳健迁移能力。疫苗经济学评估中，免疫衰减模块被扩展为广义成本效果分析框架，量化不同效力曲线下每质量调整生命年的增益。长新冠表型子集则催生了症状聚类与生物标志物关联的预研，其中脑雾与体位不耐受的共现模式已初步映射至自主神经功能障碍机制假说。