DIA专栏（四） | 从案例认识数据集：数据元素、数据记录与数据集究竟如何构成？
上一篇文章，我们讨论了一个看似简单、实际上经常被忽视的问题：我们真的知道什么是“数据集 ”吗？在实际工作中，很多人每天都在建设数据集、使用数据集、管理数据集，但当被问到以下问题时，往往并不容易回答：
1) 一个数据集究竟应该描述什么对象？
2) 一个字段和一个数据元素有什么区别（见下面注释）？
3) 一条数据记录究竟代表什么？
4) 应该如何定义一个数据集？
5) 构建数据集是先有数据，还是先有结构？
6) 为什么同样是数据集，临床数据集、样本数据集和人工智能训练数据集 的结构完全不同？
这些问题，仅仅依靠概念解释并不容易真正理解。因此，本文在上一篇文章谈论的基础上，直接通过我们熟悉的业务前提下，通过4个实际案例，分别展示：Data Element → Dataset Definition → Data Record → Dataset Instance，在不同业务场景下究竟是如何形成的。
注释：字段是数据集中的一个“存储位置/结构位置”；数据元素是具有明确业务或科学语义、可以被定义、采集和解释的“最小数据单元”。
一、胃癌患者 HER2 状态数据集
这是一个最典型的临床数据集。假设我们希望建立一个数据集，用于描述胃癌患者的HER2状态及其相关临床特征。
1. 首先确定数据对象
这里的数据对象是胃癌患者。因此，数据集需要回答的是每一名胃癌患者的哪些数据与HER2状态相关？
2. Data Elements：确定记录哪些数据
我们选择以下数据元素：Patient ID、Age、Sex、Tumor Site、HER2 Testing Method、HER2 Expression 与 HER2 Status。例如：Age = 62，其中Age是Data Element； 62 是该 Data Element 在具体患者身上的数据值（Data Value）。同样：HER2 Expression = 3+，其中HER2 Expression 是DataElement； 3+ 是具体数据值。
3. Dataset Definition：定义数据集的结构
在实际采集患者数据之前，需要先定义一个胃癌患者的HER2状态数据应该包含哪些数据：
4. Data Record 形成了一个患者的实际数据记录
在实际采集患者数据之前，需要先定义一个胃癌患者的HER2状态数据应该包含哪些数据：
这一整行就是一条：Data Record，它描述的是患者GC001的实际HER2相关状态。
5. Dataset Instance：形成实际的数据集
按照定义的数据集结构，继续纳入更多患者，这些结构相同的患者记录共同构成胃癌患者 HER2 状态数据集的实际数据内容，即 Dataset Instance：
这个例子说明 Data Object = 患者；Data Record = 一个患者的完整记录；Dataset Instance = 多个患者记录的集合。在这里，一个患者通常对应一条Data Record。但是，我们将在下面的例子中，发现这并不是所有数据集的情况 或者不是适用于所有数据集。
二、医学影像：胸部CT肺结节数据集
现在换一个完全不同的场景，假设我们要建立一个数据集，用于描述胸部CT中肺结节的影像学特征。
1. 数据对象发生了变化
这里的数据对象不再是“患者整体 ”，而是一次 CT 检查中的一个肺结节。这意味着一个患者可能有：一次CT检查；多次CT检查；一个肺结节；多个肺结节。因此，数据集的记录单位也必须相应发生了变化。
2. Data Elements
我们选择：研究编号、患者编号、结节位置、结节直径、结节密度、结节边 缘、影像科医师评估。例如：结节直径 = 18 mm；其中结节直径是 DataElement；18 mm是具体数据值。
3. Dataset Definition
数据集结构可以定义为：每一个肺结节记录哪些影像特征。
4. Data Record
这一行代表：一次CT检查中一个具体肺结节的结构化数据。它并不是患者P001的全部数据。
5. Dataset Instance
继续纳入更多肺结节：
这就形成了肺结节影像特征数据集的 Dataset Instance（数据集实列）。这个例子最重要的特点是同一个患者可能产生多条Data Records：
Patient P001
Nodule 1
Nodule 2
Nodule 3
因此，Data Record 的数量不一定等于患者数量。数据集的核心不是一个患者 一行，而是一条记录究竟代表什么数据对象。
三、生物样本库：血液样本质量控制数据集
我们再来看看我们很熟悉的一个与生物样本库直接相关的场景。假设我们需要建立血液样本质量控制数据集。
1. 数据对象
这里的数据对象是一份具体的生物样本。不是患者，也不是一次临床检查。
2. Data Elements
例如：
• Sample ID
• Patient ID
• Sample Type
• Collection Time
• Processing Time
• Storage Temperature
• Freeze –Thaw Cycles
• Hemolysis Index
• Sample Quality Status
例如：Freeze –Thaw Cycles = 2
其中：Freeze –Thaw Cycles是Data Element； 2 是具体数据值。
3. Dataset Definition
数据集结构可以定义，这意味着每一份样本都按照相同的结构进行质量描述。
4. Data Record
例如，下面这一行代表样本 S001 的一条完整质量记录。
5. Dataset Instance
继续纳入更多样本，这就形成了：生物样本质量控制数据集的 Dataset Instance。
这个例子体现了一个非常重要的特征，同一个患者可以对应多个样本：
Patient P001
Sample S001
Sample S002
Sample S003
因此，一个患者不一定对应一条Data Record。在生物样本库中，Data Record 的最小对象可能是：
一份样本；
一个样本管；
一次样本处理事件；
一次冻融事件；
一次质量检测。
这取决于：数据集到底希望描述什么。
四、再看一个公共卫生场景：糖尿病患者随访数据集
为了进一步说明数据集的不同业务场景，我们再看一个长期随访数据集。 假设我们建立2型糖尿病患者年度随访数据集。
1. 数据对象
这里的数据对象不是患者，而是患者在某一次特定随访时间点的疾病状态。 例如：
• 患者 P001 在 2024 年随访；
• 患者 P001 在 2025 年再次随访；
• 患者 P001 在 2026 年再次随访。
每一次随访都可以形成一条记录。
2. Data Elements
例如：
• Patient ID
• Follow-up Date
• HbA1c
• Fasting Glucose
• Body Weight
• Blood Pressure
• Medication Status
• Complication Status
3. Dataset Definition
4. Data Record
例如
这条 Data Record 代表：患者 P001 在 2025 年 6 月 1 日这一次随访时的疾病状态。
5. Dataset Instance
同一个患者可以产生多条记录：
这就形成了：糖尿病患者纵向随访数据集的 Dataset Instance。
这个例子特别说明同一个患者：在患者基础信息数据集中可能只有一条记录； 在样本数据集中可能有多条记录；在随访数据集中可能有几十条记录。 因此,
同一个真实世界对象，在不同数据集中可以对应不同数量、不同结构和不同含义的 Data Records。
五、实际工作中，如何从零开始构建一个数据集？
通过以上四个例子，可以把实际工作过程具体化为以下步骤。
第一步：先问——我究竟要描述什么？
是：患者？ 样本？ 影像？ 病灶？ 一次随访？ 一次实验？ 一个 AI 训练样本？ 如果这个问题没有回答清楚，后面的数据集很容易失去边界或约束方式。
第二步：确定一条 Data Record 代表什么
例如：胃癌 HER2 数据集,一条记录 = 一个患者；肺结节数据集,一条记录 = 一 个肺结节；样本质量数据集,一条记录 = 一份样本；糖尿病随访数据集,一条记 录 = 一次随访。这一步非常关键，Data Record 的定义，实际上决定了数据集的基本颗粒度。
第三步：确定每条记录需要哪些 Data Elements
例如：一个患者→ 年龄、性别、肿瘤部位、HER2 状态；一个肺结节→ 位置、 大小、密度、边缘；一份样本→ 样本类型、处理时间、冻融次数、质量状态；一次随访→ HbA1c、体重、血压、并发症
第四步：形成 Dataset Definition
也就是先建立“这个数据集应该长什么样？ ”而不是先打开数据库，然后问： “我们现在有什么数据？ ”
第五步：按照结构采集数据
当结构确定后：
这时，数据集才真正形成。
结语：
真正的数据集，不是“有很多数据”，而是“有明确的组织对象”
通过这四个例子，我们可以看到，同样是一个数据集：
• 胃癌数据集的核心对象可以是患者；
• 影像数据集的核心对象可以是肺结节；
• 生物样本数据集的核心对象可以是一份样本；
• 随访数据集的核心对象可以是一次随访。
因此，实际工作中，建设数据集时最先需要回答的，并不是“我们现在有哪些数据？ ”而是“这个数据集究竟要描述什么对象？ ”
在此基础上，进一步确定一个对象需要记录哪些 Data Elements？
然后定义 Dataset Definition。最后按照这一结构形成 Data Records。
多个具有一致结构和语义的Data Records，最终形成 Dataset Instance。 所以，一个数据集的形成过程，最直观地可以表示为：
