# 核查方法

 许可证状态如何判定与核对。依据 schema/README.md。

[质量用数字说话 摘录核对、复核、抽检与已知问题](https://mdexa.com/zh/quality/)

## 总原则

限制从宽认定，许可从严认定。代码仓库的开源许可证不等于数据许可证。

## 判定口径五条

1 算作数据许可 | 数据集托管页自带的许可字段（Hugging Face 数据集卡、Zenodo、Figshare）；说明文档里明确针对数据的许可或限制语句；只存放数据的仓库里的 LICENSE。 |

2 只算仓库许可证 | 同时放代码和数据的仓库的 LICENSE，且说明文档没有提到它适用于数据。 |

3 有仓库许可、无数据许可 | license_status 记 unstated，hosting 为 pending；仓库许可证记在 repo_license。 |

4 只有徽章 | README 徽章指向的 LICENSE 在快照里找不到：repo_license.source 记 badge-only，未核实。 |

5 二手证据 | 没有网址、或只见于搜索摘要与镜像的条目标为二手，不能单独支撑宽松或受限的结论。 |

## 状态轴一 · license_status：来源所述

宽松 | `permissive` | 各处声明一致，且允许商用和再分发。 | 44 |

有限制 | `restricted` | 有声明禁止商用、禁止改编、仅限研究，或版权归第三方、需付费。 | 29 |

冲突 | `conflict` | 不同位置的声明互相矛盾。 | 4 |

未声明 | `unstated` | 没有找到数据许可声明。 | 14 |

无法核实 | `unverifiable` | 页面打不开，或只见到二手信息。 | 10 |

## 状态轴二 · hosting：本站处理方式

站内提供 | `hosted` | 由 Mdexa 提供文件。须许可证宽松、无风险标记且有人工签字。 | 0 |

待签字 | `eligible` | 许可证宽松且无风险标记，等待人工签字。 | 0 |

只链接 | `link-only` | 只做索引并链接原出处：许可证有限制，或虽宽松但带风险标记。 | 73 |

待确认 | `pending` | 许可证冲突、未声明或无法核实，确认前只链接原出处。 | 28 |

## 取证与核对

- **抓取** 每个来源页存成文本快照，记录 sha256 与抓取时间：1098 份。
- **摘录** 许可证语句逐字摘录并记下出处位置：426 条证据。
- **核对** 脚本在快照里逐字查找每段摘录：401 / 402 找到。
- **判定** 按上面 26 条口径定 license_status；hosting 由它、风险标记和人工签字推出。
- **门禁** 每张卡 5 项机器检查（validate、hosting、numbers、links、quotes）：97 通过，4 待复核，0 未过。
- **发布** 101 张卡以网页、JSON、Markdown 发布，每张带最近核实日期。

## 遵循的标准

ICD-11 | 疾病分类参照；病种挂接待医生审核后启用 |

GB/T 15657-2021 | 中医病证分类与代码参照 |

SPDX | 每张信息卡的许可证标识 |

schema.org Dataset | 每个信息卡页面的机器可读元数据 |

## 数据范围

- 数据集按体系组织（现代医学、传统医学、通用）。

- 不托管患者病历。

- 源自临床文本的第三方数据集单独标注，目前 15 个。

- 不构成法律意见：状态仅记录许可证原文所述。

## 权利人申诉

信息卡所载许可如有错误，请来信。 [权利人申诉](https://mdexa.com/zh/takedown/)

## 报告

[许可证核查汇总](https://mdexa.com/zh/reports/license-audit/) 草稿，待向作者核实后发布。

 数据、字段规范和判定口径公开在 [GitHub](https://github.com/mdexa-ai)，数据集作者可以提 issue 更正。