Synthea生成的姓名末尾带数字是设计特性还是解析错误？

这是Synthea的原生默认设计特性，并非你的数据解析逻辑存在错误。

设计动机 #

• 解决重名碰撞问题：Synthea的核心定位是大规模临床模拟数据生成工具，常规生产场景下单次需要生成数万至数十万条患者数据，纯自然姓名的重复概率很高，直接追加三位随机数字可以快速实现身份去重，不需要依赖额外的ID字段就能完成患者数据的快速关联匹配。
• 降低下游数据处理成本：对于需要做批量数据清洗、关联的用户来说，带唯一后缀的姓名可以减少初步去重的工作量，官方在默认配置中选择了便利性优先的方案。

关闭数字后缀的方法 #

如果你的使用场景对姓名真实度要求更高，可以修改Synthea根目录下的src/main/resources/synthea.properties配置文件，找到generate.append_numbers_to_person_names参数，将默认值true改为false，重新生成数据即可得到无数字后缀的纯自然姓名。

内容的提问来源于stack exchange，提问作者John