QoL_Stress — 66 名健康成人的 Fitbit 多模态应激生理信号与自评量表数据集

INFOBOX — QoL_Stress 一屏速览

维度	内容
本质	受控实验室应激协议下的多模态生理信号 + 自评心理量表开放数据集（非影像、非挑战赛）
官方名	QoL_Stress: A Multimodal Dataset of Physiological and Self-Reported Stress Responses（v1.0.0）
团队	Vicomtech Foundation（西班牙 BRTA）；合作 University of Deusto + Biogipuzkoa Health Research Institute
平台	PhysioNet（MIT LCP 维护）；RRID:SCR_007345
发表日期	2026-10-07（首发 v1.0.0，无历史版本）
DOI	10.13026/vqtz-pm70（v1.0.0）｜10.13026/bypw-kr06（latest）
规模	66 名健康成人（男 39 / 女 27；29.7 ± 6.9 岁）；单次约 30 分钟，两相协议
信号	单导联 ECG（250 Hz，30 s/段，相位末）、EDA（≤2 min/段）、HR（逐秒 + 逐分钟，Fitbit Charge 6）
量表	PSS-14（14 项感知压力，Cohen 1983）、STAI-S（20 项状态焦虑，阈值 36，Spielberger 1983）
集合	8 个 CSV：ecg 132 / eda 124 / HR 逐秒 66 / HR 逐分 66 / HR 汇总 66 / participants 66 / pss-14 66 / stai 132
相位标签	RELAX / STRESS（实验双相）
链接键	username = SHA-256 假名标识符（跨集合链接，已去日历日期）
体量	解压 10.6 MB；ZIP 2.1 MB
许可	CC BY 4.0——完全开放直链，无注册墙、无审批
硬件	Fitbit Charge 6（PPG + 单导联 ECG + EDA 电传感）
伦理	Gipuzkoa 卫生区研究伦理委员会；知情同意；GDPR + LOPDGDD 合规
库内互链	WESAD（rid 67，官方点名的可比基准）、wearable-exam-stress（rid 807）、apnea-ecg（rid 658）、PhysioNet CINC 系列

QoL_Stress 是一份"把压力搬进实验室再拆成信号"的数据集：66 名健康成人戴上消费级腕表 Fitbit Charge 6，先看放松视频、再玩 Stroop 色词测试与 Geometry Dash 经受压力诱导，全程被记录下 ECG、皮肤电（EDA）与逐秒心率三条生理曲线，同时填写感知压力量表（PSS-14）与状态焦虑量表（STAI-S）两张经典心理量表。它把"主观报告的紧张"与"身体真实发生的应激反应"并排放在同一份 CSV 里，用 SHA-256 假名标识符把两种数据链在一起——这正是情感计算与可穿戴健康研究最缺的那类"生理 + 心理"配对样本。数据集 2026 年 10 月由 PhysioNet 首发，CC BY 4.0 完全开放直链，是库内生理信号家族中少见的"开放即下、心理量表齐备"的新面孔。

导语读法三则：

1. 只想下数据：直奔 §6——PhysioNet 一条 wget 即可全量拉取，CC BY 4.0 无门槛，是库内可获取性最"干净"的一档。
2. 关心应激检测建模：直奔 §3 与 §5——注意 ECG 只采相位末 30 秒、EDA 步进非均匀这两条协议硬约束，它们直接决定你能做什么模型。
3. 关心心理测量：直奔 §2.4 与 §4——PSS-14 与 STAI-S 是两张有 40 年历史的经典量表，条目与阈值含义必须先读懂再分析。

§0 导读：这个数据集解决什么问题

压力（stress）是公共卫生的重要议题，急性应激反应涉及自主神经系统与内分泌机制的复杂交互，并外显为可测量的生理信号——心率、心电、皮肤电活动。与此同时，心理学界早已有一套用问卷量化"感知压力"与"状态焦虑"的成熟工具。问题在于：生理信号（身体层面）与心理量表（主观层面）长期分属两套研究传统，把它们同步采集、互相链接、并公开成 AI-Ready 格式的数据集相当稀少。

QoL_Stress 的解法是设计一个可复现的两相协议，在同一批人身上、同一次会话里把两类数据采集齐全：

1. 放松相（Relaxation）：填写 PSS-14 → 观看引导放松视频 → 相位末采集 ECG（30 秒）与 EDA（最多 2 分钟）→ 完成第一次 STAI-S。
2. 应激诱导相（Stress Induction）：完成 Stroop Color Test（色词冲突任务）与 Geometry Dash（互动游戏）→ 相位末再次采集 ECG（30 秒）与 EDA（最多 2 分钟）→ 完成第二次 STAI-S。
3. 全程连续：心率（HR）由腕表在整场会话中逐秒记录。

这样做的价值在于相位标签 RELAX/STRESS 成了一根"标尺"：任何时刻的生理读数与量表得分都可以对齐到"这是放松后还是应激后"。模型因而能学到"哪种生理模式对应应激状态"，也能检验"生理指标与主观压力评分是否、以及在多大程度上一致"。

§0 读法三则：

1. 这份数据集是开放获取的活样本，但它的"官方文献"目前只有 PhysioNet 描述页本身——配套论文仍在准备中（官方页原文自述 manuscript under preparation）。引用时务必把这一"单源"事实说清（坑 1）。
2. 全文所有硬数字（人数、年龄、集合记录数、体量、许可）均出自官方页 Data Description 表与 Methods 段；唯一需要存照的口径冲突是 EDA 124 vs 132（坑 2）。
3. 检索时不要把它当成"QoL 生活质量"类数据集——QoL 在此是项目命名沿用，"QoL_Stress"整体才是数据集名；单独搜 “QoL” 会大量误命中 General Health Questionnaire 等生活质量量表条目（坑 3）。

§0.1 背景：应激的生理通路与被测信号

要理解这份数据集"为什么采这三样"，需要一点心理生理学背景：

急性应激的生理通路：面对应激源，机体通过两条主要通路响应——① 交感-肾上腺髓质轴（SAM 轴）快速释放儿茶酚胺，表现为心率加快、皮肤电活动增强、血管张力变化；② 下丘脑-垂体-肾上腺皮质轴（HPA 轴）较慢释放皮质醇。本数据集采集的 ECG/EDA/HR 正是 SAM 轴活动的可穿戴可测代理：

信号	生理机制	应激中的典型变化
HR（心率）	交感激活、副交感撤退	应激相升高
ECG（心电）	心电活动，可导出 HR 及 HRV	HRV 下降（副交感减弱）
EDA（皮肤电）	汗腺受交感胆碱能支配	应激相 SCL 升高

主观维度的意义：生理唤醒不等于主观压力——同样心率加快，有人感到紧张，有人无感。因此 PSS-14（长期感知压力）与 STAI-S（即时状态焦虑）提供了"主观读数"，使研究者能考察生理与心理的一致性/解离。

为什么这类数据集稀缺：采集多模态生理信号需要设备与协议，测量心理量表需要信效度良好的工具与施测流程，二者结合还要处理时间对齐与去标识——门槛高而回报偏基础研究，导致公开数据有限。QoL_Stress 正是对这一空白的一次填补尝试。

§0.2 三分钟理解协议

若只想用三分钟理解这份数据"长什么样"，读这段话：

66 个人各来一次实验室。先填一份"过去一个月压力"的问卷（PSS-14），看一段放松视频，然后测 30 秒心电、最多 2 分钟皮肤电，再填一份"此刻焦虑"的问卷（STAI-S）。接着玩两个制造压力的任务（Stroop 色词测试 + Geometry Dash 游戏），测完再测一遍心电与皮肤电，再填一次 STAI-S。整场 30 分钟里，腕表一直记录心率。于是每个参与者产出：2 段心电、最多 2 段皮肤电、1 条连续心率曲线、2 次焦虑评分、1 次压力评分——全部用一串假名 ID 串起来。

§1 数据集速览：十问十答

Q1：QoL_Stress 到底是什么？
是 PhysioNet 2026 年 10 月首发的一个开放多模态数据集，采集 66 名健康成人在"放松—应激"两相协议下的生理信号（单导联 ECG、EDA、逐秒/逐分钟心率）与自评量表（PSS-14、STAI-S），以 SHA-256 假名标识符跨集合链接，CC BY 4.0 完全开放。

Q2：66 名参与者是什么人？
健康成人，男 39 人、女 27 人，平均年龄 29.7 ± 6.9 岁。纳入要求年满 18 岁且能提供知情同意；排除心血管或皮肤疾病、服用精神活性药物、无法完成协议者。全部为受控实验室环境下的自愿参与者。

Q3：用了什么设备？
Fitbit Charge 6 腕戴式消费级可穿戴设备。它内置光学 PPG（光电容积脉搏波）传感器用于连续心率，并提供多用途电传感器用于单导联 ECG 与 EDA 皮肤电采集。设备为消费级而非科研级，这决定了信号采样特性（见 Q8）。

Q4：采了哪些生理信号、采样率如何？
三类：① 单导联 ECG，250 Hz，每段约 30 秒，在每相结束时采集；② EDA（皮肤电活动），每段最多 2 分钟；③ 心率 HR，逐秒与逐分钟两种分辨率连续记录，另有每日心率区间汇总。

Q5：量表是哪两张？为什么重要？
PSS-14（Perceived Stress Scale，14 项，评估过去一个月的感知压力，Cohen 等 1983）与 STAI-S（State-Trait Anxiety Inventory – State，20 项状态焦虑，阈值 36 区分低/高状态焦虑，Spielberger 1983）。它们把"主观紧张程度"变成可数值化的连续量，使数据同时具备"身体读数"与"心理读数"两个维度。

Q6：实验协议多长、怎么诱导压力？
单次会话约 30 分钟，两相：放松相先填 PSS-14、看引导放松视频；应激相做 Stroop Color Test（色词冲突）与 Geometry Dash（互动游戏）诱导压力。每相结束时采集 ECG 与 EDA，随后填 STAI-S；HR 全程连续。

Q7：数据是怎么组织的？
8 个 CSV 集合：ecg（132 段）、eda（124 段）、fitbit_heart_rate_per_second（66）、fitbit_heart_rate_per_minute（66）、fitbit_heart_rate_summary（66）、participants（66）、pss-14（66）、stai（132）。每个文件包含全部参与者数据，靠 username + 相位标签关联。

Q8：有什么协议上的"坑"必须提前知道？
三条硬约束：① ECG 只在每相结束时采集、每段仅 30 秒，不是任务全程连续——任务中的瞬时反应可能漏掉；② EDA 的 time_sec 是相对时间标记，步进约 5–6 秒且可重复，不是等距 1 秒采样，官方明确要求不得重建 1 秒时轴；③ 有 8 段 EDA 因采集失败缺失，实存 124 段（理论 132）。

Q9：我现在能拿到什么、有什么门槛？
全部数据在 PhysioNet 直链下载（https://physionet.org/files/qol-stress/1.0.0/），CC BY 4.0，无注册墙、无审批。ZIP 2.1 MB，解压 10.6 MB。唯一义务是署名。

Q10：为什么它对 AI-Ready 重要？
它把"生理信号 + 心理量表"两类异构数据用假名标识符打通，且完全开放直链——在库内生理信号家族里，可获取性属最"干净"的一档；对构建应激/情绪识别模型、研究"生理-主观一致性"、以及做多模态表征学习的团队都是一个低门槛的活体样本。

Q11：它和 WESAD 谁更好？
不是"谁更好"而是"谁更合适"：WESAD 模态更丰富（胸带+腕表，含 EMG/呼吸/体温）、ECG 连续，但样本仅 15 人；QoL_Stress 样本更大（66 人）、量表口径明确、完全开放直链，但模态更窄、ECG 只采相位末。需多模态深度融合选 WESAD，需"生理+量表"配对与更大样本选 QoL_Stress（详见 §5.4 与附录 H）。

Q12：量表数据能直接拿来训练吗？
可以，但要分清两类：PSS-14 是"过去一个月"的回顾性特质测量，每人一次，适合做协变量或"压力特质"标签；STAI-S 是"此刻"的即时状态测量，每人两次（每相末），适合做"相位内主观紧张度"标签或与生理读数的配对分析。二者时间尺度不同，不能混用同一套配对逻辑。

Q13：为什么叫 QoL_Stress？QoL 是什么缩写？
QoL = Quality of Life（生活质量）。这是项目命名的沿用，不代表本数据集测量生活质量——它测的是应激（生理信号 + 压力/焦虑量表）。检索时这正是最容易踩的坑：裸搜 “QoL” 会命中大量生活质量量表数据集（坑 3）。

Q14：数据里有没有可能识别出具体的人？
官方做了两层去标识：一是用 SHA-256 假名 username 替代原始标识；二是从公开表格中移除绝对日历日期（HR/ECG/问卷），仅在必要时保留时刻信息以支持时间对齐。这属于"研究级假名化"而非完全匿名——在 GDPR 框架下仍可能被视为假名化个人数据，使用者不得尝试再识别（详见 §4.3）。

Q15：PhysioNet 上要注册吗？要不要签 DUA？
本数据集不需要。官方 Access Policy 原文：“Anyone can access the files, as long as they conform to the terms of the specified license.”——无注册、无数据使用协议（DUA）、无审批，唯一义务是遵守 CC BY 4.0 的署名要求。这是它区别于许多需签 DUA 的 PhysioNet 条目的关键点。

Q16：它是挑战赛数据吗？有 leaderboard 吗？
不是挑战赛，没有官方 leaderboard、没有官方基线、没有官方评测脚本。它是一个"描述性数据集"（descriptive dataset），交由社区自行设计与报告实验。若你需要竞赛式评测，本数据集不提供；若你需要开放数据做自定实验，它很合适。

§1.1 一屏参数对照表

为便于快速定位，把散落在各节的核心参数汇总：

类别	参数	值
人群	参与者数	66（男 39/女 27）
人群	年龄	29.7 ± 6.9 岁
人群	纳入	≥18 岁、可同意
人群	排除	心血管/皮肤病、精神活性药、无法完成协议
协议	会话时长	约 30 分钟
协议	相位数	2（RELAX / STRESS）
协议	应激任务	Stroop Color Test + Geometry Dash
设备	硬件	Fitbit Charge 6（PPG + 单导联 ECG + EDA）
信号	ECG	250 Hz，30 s/段，相位末
信号	EDA	≤2 min/段，time_sec 步进约 5–6 s
信号	HR	逐秒 + 逐分钟连续
量表	PSS-14	14 项，每人 1 次（放松相始）
量表	STAI-S	20 项，每人 2 次（每相末），阈值 36
数据	集合	8 个 CSV
数据	记录总数	ecg 132 + eda 124 + stai 132 + 其余 5×66
数据	体量	解压 10.6 MB / ZIP 2.1 MB
标识	链接键	username（SHA-256 假名）
许可	协议	CC BY 4.0
许可	门槛	无注册/无审批/无 DUA
元数据	标识	DOI 10.13026/vqtz-pm70 + RRID:SCR_007345
平台	托管	PhysioNet（MIT LCP）
时间	发布	2026-10-07（v1.0.0）

§2 数据构成与规格

2.1 规模、机构与人群构成

QoL_Stress v1.0.0 的参与者与记录规模一览：

属性	数值	来源
参与者总数	66 名健康成人	官方页 Population 段
性别构成	男 39 / 女 27	官方页 Population 段
年龄	平均 29.7 ± 6.9 岁	官方页 Population 段
会话时长	约 30 分钟/次	官方页 Experimental Protocols
实验相位	2 相（RELAX / STRESS）	官方页 Data Description
CSV 集合数	8	官方页 Data Description 表
解压体积	10.6 MB	官方页 Files 段
ZIP 体积	2.1 MB	官方页 Files 段

参与者的纳入标准为：年龄 ≥18 岁、能提供知情同意。排除标准为：心血管或皮肤疾病、服用精神活性药物、无法完成协议。研究方案获西班牙吉普斯夸省卫生区（Gipuzkoa Health Area）研究伦理委员会批准，遵循西班牙 14/2007《生物医学研究法》、赫尔辛基宣言、GDPR（EU 2016/679）与西班牙 3/2018 组织法（LOPDGDD）。所有参与者签署书面知情同意。

三点人群特征对使用者有直接含义：

1. 样本量偏小（66 人）：适合做方法验证与原型实验，不足以支撑对效应量细微差异的统计论断；跨被试划分会进一步压小有效训练样本。
2. 青年健康群体（29.7±6.9 岁）：无临床应激障碍或慢病共病，模型学到的"应激模式"是健康人的实验室应激，外推到患者人群需谨慎。
3. 性别不平衡（39:27 ≈ 1.44:1）：若做性别分层分析，女性子样本仅 27 人，结论稳健性有限。

2.2 八大数据集合逐张清单

官方页 Data Description 表给出每个集合的记录数与关键字段：

Collection	Records	关键字段	语义
ecg	132	waveform_samples, heart_rate (bpm), heart_rate_alert, phase	66 人的单导联 ECG，RELAX/STRESS 各一段，每段约 30 秒；完整波形存于单个 CSV 字段
eda	124	time_sec, scl_avg (µS), activation, valid_data, phase	66 人的 EDA，每段最多 2 分钟；含相对时间、有效性、设备激活指示与平均皮肤电导水平；8 段缺失
fitbit_heart_rate_per_second	66	time, value (bpm)	逐秒心率
fitbit_heart_rate_per_minute	66	time, value (bpm)	逐分钟平均心率
fitbit_heart_rate_summary	66	zone_name, min, max, minutes, caloriesOut	每日心率区间与汇总（含热量）
participants	66	sex, age, education_level, job_category	人口学与职业类别
pss-14	66	score, item responses	PSS-14 总分及逐项作答
stai	132	score, item responses, phase	STAI-S 按相位（RELAX/STRESS 各一次）的总分及逐项

读表要点：ecg（132）与 stai（132）是 66×2=132 的"每相一次"结构；eda 因采集失败只有 124；其余 66 条集合都是"每参与者一条"。

2.2.1 记录数自洽性验证

用简单算术核对官方表的记录数，可发现唯一的"账不平"处：

集合	理论值	官方值	是否一致
ecg	66×2=132	132	✅
stai	66×2=132	132	✅
eda	66×2=132	124	❌ 差 8 段
fitbit_heart_rate_per_second	66×1=66	66	✅
fitbit_heart_rate_per_minute	66×1=66	66	✅
fitbit_heart_rate_summary	66×1=66	66	✅
participants	66×1=66	66	✅
pss-14	66×1=66	66	✅

唯一的不一致来自 EDA 的 8 段采集失败。这提示使用者：在做任何"每人一相一段"的全展开假设前，先对 EDA 做缺失核查。

2.2.2 文件资源清单

官方 Files 段列出的非数据文件：

文件	大小	说明
data/	—	8 个 CSV 集合所在目录
LICENSE.txt	14.5 KB	许可全文
README.md	3.1 KB	数据集说明
PHYSIONET_REPORT.md	637 B	平台报告
SHA256SUMS.txt	1.0 KB	文件校验和
data_description.csv	567 B	数据描述

SHA256SUMS.txt 的存在意味着可对下载文件做完整性校验；README.md（3.1 KB）是除页面外最直接的离线说明源。

2.3 生理信号规格与采集口径

信号	采样/时间特性	采集时点	关键字段
ECG	250 Hz；单导联；每段约 30 秒	每相结束时	waveform_samples（完整波形单字段）, heart_rate
EDA	每段最多 2 分钟；time_sec 步进约 5–6 秒、可重复；无插值无重采样	每相结束时	scl_avg (µS), time_sec, valid_data, activation
HR	逐秒 + 逐分钟两种分辨率	全会话连续	time, value (bpm)

三条口径必须刻在心上：

1. ECG 不是连续记录。官方页明确写：ECG 在每相结束时采集，用于"表征该实验条件后的生理状态"，因此任务进行中的瞬时心血管反应可能未被捕获。若你的研究问题需要"游戏过程中的心率变异性动态"，本数据集的 ECG 无法满足，只能退而用逐秒 HR。
2. EDA 的 time_sec 不是等距时间轴。官方专设 “EDA time representation” 一节说明：该字段是设备导出的相对时间标记，不代表 1 秒采样间隔，连续观测可能共享同一 time_sec，典型步进约 5 秒、部分 6 秒。官方强烈要求保留原始值，禁止在未明确记录处理方法的情况下重建 1 秒时轴。
3. ECG 波形单位未标注。官方 Data Dictionary 对 waveform_samples 注明"unit not specified in source export"——数值单位在源导出中未指定。跨数据集或跨设备合并 ECG 波形时必须先自行标定，不可想当然按 mV 处理。

2.4 自评量表：PSS-14 与 STAI-S

两份量表构成数据的"心理维度"：

量表	全称	项数	评估对象	阈值/口径	出处
PSS-14	Perceived Stress Scale	14	过去一个月的感知压力	总分 + 逐项	Cohen, Kamarck & Mermelstein (1983)
STAI-S	State-Trait Anxiety Inventory – State	20	当前状态焦虑	阈值 36 区分低/高状态焦虑	Spielberger (1983)

• PSS-14 每参与者一次（放松相开始时填），因为它评的是"过去一个月"的总体感知压力，属特质性/回顾性测量，不随实验相位变化。
• STAI-S 每参与者两次（放松相末、应激相末各一次），因为它评的是"此刻"的状态焦虑，正好用作"相位内主观紧张度的即时读数"，可与相位末的 ECG/EDA 做配对。
• STAI-S 阈值 36 是一个实用的分型切点：可据此把每次测量二分化为"低状态焦虑 / 高状态焦虑"，与生理相位对照。

对选型者的映射：若研究"主观-生理一致性"，用同一相位的 STAI-S 分数与相位末 ECG/EDA 配对；若研究"压力特质与生理基线"，用 PSS-14 总分与放松相生理读数配对；若做应激检测监督学习，RELAX/STRESS 相位标签本身就是天然的二分类标签。

2.5 数据字典与字段角色

官方页 Data Dictionary 用 Role 列标注字段用途，摘要如下：

字段（示例）	类型/单位	角色
username	string（SHA-256 假名）	Linking（跨集合/跨相位链接键）
phase	categorical（relax / stress）	Analysis（相位标签）
_id / reading_id	string / UUID	Metadata
reading_time	string（时刻）	Metadata / alignment（已去日历日期）
wire_id	string	Metadata（设备标识）
result_classification	categorical（NSR=正常窦性心律）	Informational（设备自带分类）
heart_rate / heart_rate_alert	numeric bpm / categorical	Analysis / Informational
waveform_samples	数值序列（单位未指定）	Primary signal（ECG 主信号）
time_sec	numeric, 秒	Temporal variable（相对时间）
valid_data	boolean	Quality control（质控开关）
activation	categorical/integer（0,1）	Informational（设备导出激活指示）
scl_avg	numeric, µS	Primary EDA variable（平均皮肤电导水平）

两个实用性提示：其一，valid_data 是官方的质控字段，做 EDA 分析前应先按它过滤无效段；其二，result_classification（NSR 等）是 Fitbit 设备自带的心律分类，属"信息性"字段而非研究者标注，引用时不要把它当作独立诊断标签。

2.6 EDA 缺失段的处理

官方页明确：8 段 EDA 因采集错误未能成功获取，因此未包含在 eda.csv 中。66 人 × 2 相 = 132 理论段，实存 124 段。这意味着：

• EDA 的缺失不是随机的空白行，而是整段记录缺席——按 username+phase 做配对分析时会遇到缺失被试-相位组合。
• 建模时需显式处理这一缺失（如按可用相位子集训练、或对缺失段做掩码），不可默认"每人都两段 EDA"。
• 缺失的具体属于哪些参与者-相位，需要下载后自行从 eda.csv 反推（官方页未逐条列出）。

2.7 数据可用性与完整性速查

综合 §2 全部信息，使用前应确认的完整性清单：

检查项	期望	依据
8 个 CSV 是否齐全	是	官方 Files 段
SHA256SUMS 校验	通过	官方提供 SHA256SUMS.txt
ecg 段数	132	66×2
eda 段数	124	66×2−8
stai 段数	132	66×2
participants 行数	66	每人一行
pss-14 行数	66	每人一次
HR 三件套行数	各 66	每人一条
username 分布	66 唯一值	SHA-256 假名
phase 取值		官方字典

若上述任一项与预期不符，优先核对是否下载了正确版本（1.0.0）并复核 SHA256SUMS。

2.8 记录数逻辑自检表

把 §2.2.1 的自检结论浓缩成一张"账本"：

集合	每参与者条数	相位维度	理论总数	实存总数
ecg	2	RELAX/STRESS	132	132
stai	2	RELAX/STRESS	132	132
eda	2	RELAX/STRESS	132	124（−8）
HR 逐秒/逐分/汇总	1	无	66×3	66×3
participants/pss-14	1	无	66×2	66×2

结论：8 个集合中 7 个账目自洽，仅 EDA 存在 8 段采集失败缺失。

§3 采集协议：一场 30 分钟的应激实验

3.0 为何是"两相"而非"多相"

本数据集只设 RELAX 与 STRESS 两相，而非"基线—轻度—中度—重度"的多级设计。这一取舍的影响：

• 优点：标签清晰（二分），无级间模糊；每相只采一次，协议简洁、参与者负担小。
• 代价：无法研究"应激强度的剂量-反应关系"——既没有多级应激源，也没有标注主观强度的连续梯度（STAI-S 分数可作连续量的替代，但样本仅两次）。

对使用者的含义：若研究问题涉及"应激强度阶梯"，本数据集只能提供"二相 + STAI-S 连续分"的近似；若研究"有/无应激的二分类"，则完全契合。

3.1 两相时间线

单次会话约 30 分钟，结构如下（官方页 Experimental Protocols 口径）：

阶段	内容	采集/量表时点
放松相 开始	填写 PSS-14	PSS-14 一次
放松相 进行	观看引导放松视频	—
放松相 结束	采集 ECG（30 秒）+ EDA（≤2 分钟）	RELAX 相位生理读数
放松相 末	填写 STAI-S（第一次）	STAI-S #1
应激相 进行	Stroop Color Test + Geometry Dash	HR 全程连续
应激相 结束	再次采集 ECG（30 秒）+ EDA（≤2 分钟）	STRESS 相位生理读数
应激相 末	填写 STAI-S（第二次）	STAI-S #2

3.2 应激诱导任务：为什么是 Stroop + Geometry Dash

两个任务代表了应激诱导的两种典型范式：

1. Stroop Color Test（色词冲突任务）：经典的认知应激范式——要求对字体颜色而非词义作答，制造认知冲突与注意负荷，被广泛用于实验室诱发急性应激。它激活的是"认知负荷型"应激通路。
2. Geometry Dash（互动游戏）：快节奏的动作节奏游戏，制造时间压力与操作性失败风险，属"互动/表现型"应激。它补充了 Stroop 所缺的"任务挫败与时间压力"成分。

官方把这两者组合使用，意图覆盖认知负荷与互动压力两类应激源，使 STRESS 相的生理唤醒更稳健。对使用者的含义：不要把 STRESS 相理解成单一应激源，它是两种任务的混合，若需拆分应激源类型，本数据集不提供任务级细分标注。

3.3 相位标注体系

相位标签 phase 取值 relax / stress，出现在 ecg.csv、eda.csv 与 stai.csv 中。它是本数据集的核心监督信号：

• 对生理信号（ECG/EDA），phase 标出"这段读数属于放松后还是应激后"；
• 对 STAI-S，phase 标出"这次焦虑评分是在哪一相末填的"；
• HR 文件（逐秒/逐分/汇总）本身不带 phase 字段，需借助时间戳与实验时间线对齐后再赋相位——这是一处需要使用者自行处理的对齐工作。

3.4 质量控制与去标识

官方页 Data Collection and Quality Control 段披露的质控细节：

1. 信号可用性检查：记录是否成功获取、质量是否达标。
2. EDA 不做插值/重采样：保留设备导出的原始 time_sec 与重复时间戳——这是 time_sec 呈现非等距特性的直接原因。
3. 8 段 EDA 缺失：采集错误导致，已从 eda.csv 剔除。
4. 去标识（防再识别）：从公开发布的表格数据中移除绝对日历日期；必要时保留时刻信息以支持生理记录与量表的时间对齐。具体地，日期从 Fitbit 心率文件、ECG 记录与问卷文件中移除，时刻信息在必要时保留；EDA 本身使用相对 time_sec，不含日历日期；人口学数据也无日期。
5. 假名化标识：username 为 SHA-256 假名标识符，不含参与者原始用户名或直接可识别信息。

3.5 协议中的时间对齐难点

把"生理读数"和"量表得分"真正对齐，需要使用者自己完成几步推理：

• 量表时间戳：pss-14.csv 与 stai.csv 含 time 字段，可与实验时间线对齐。STAI-S 有两次，靠 phase 区分；PSS-14 只有一次（放松相始）。
• HR 相位归属：fitbit_heart_rate_per_second.csv 只有 time 与 value，需按实验起止时刻切分出 RELAX 与 STRESS 两段。
• ECG/EDA 与量表的相对时序：放松相是"先采生理、后填 STAI-S"，应激相同理——因此 STAI-S #2 的评分是应激相结束后的回顾性主观读数，而 STRESS 相位生理读数是应激相结束瞬间的生理读数。二者时间上相邻但非严格同时，做相关分析时需明确这一"先后顺序"。

3.6 逐字段采集口径汇总

把三份信号文件在采集层面的关键口径并排列出：

维度	ecg.csv	eda.csv	fitbit_heart_rate_per_second.csv
每参与者行数	2（RELAX+STRESS）	2（8 段缺失）	1 条长时序
相位标签	✅ phase	✅ phase	❌ 需自对齐
采样/时间特性	250 Hz，30 s/段	相对 time_sec，步进约 5–6 s	time + 逐秒 value
采集时点	每相末	每相末	全程连续
主变量	waveform_samples	scl_avg (µS)	value (bpm)
质控字段	—	valid_data	—
单位	未指定（坑 6）	µS	bpm

3.7 时间对齐的三种可行做法

由于 ECG/EDA 带 phase 而 HR 不带，使用者需自行完成对齐。三种做法：

1. 相位粗对齐：只按 phase 标签把 ECG/EDA/STAI 分组，不对 HR 切分——最简单，适合只做"相位分类"的任务。
2. 时间窗对齐：根据 time 字段与实验起止时刻，把 HR 长时序切成 RELAX/STRESS 两段——适合需要 HR 相位特征的建模。
3. 事件级对齐：若研究关心"任务开始/结束的瞬时生理变化"，需自行定义事件时间点并从 HR 序列截取窗口——注意 ECG/EDA 无法支持此粒度（它们只有相位末快照）。

对齐陷阱：官方页提示数据集文档中"时刻信息在必要时保留"，但并未提供实验起止时刻的显式标注表。若需精确相位切分，使用者可能需要结合 stai.csv 两次作答的 time 与 pss-14.csv 的 time 推断会话时间线——这是一处需要谨慎处理的工程点。

3.8 协议可比性：与经典应激范式的对照

本数据集的两相协议在应激研究方法谱系中的位置：

范式类型	代表任务	本数据集
认知冲突	Stroop Color Test	✅ 采用
互动/表现压力	游戏/公开演讲/心算	✅ 采用（Geometry Dash）
社会评价威胁	TSST（Trier Social Stress Test）	❌ 未采用
冷加压	Cold Pressor	❌ 未采用

含义：本数据集的应激诱导偏"认知-互动"型，不含社会评价威胁（TSST）或疼痛（冷加压）成分。若你的研究问题聚焦"社会应激"，本数据集的 STRESS 相位不能代表；若聚焦"认知负荷/任务压力"，则较贴合。

3.9 会话微观流程重述（含停顿点）

把 §3.1 的时间线进一步细化为可执行的步骤，便于复现或理解对齐逻辑：

[放松相]
  1. 参与者填写 PSS-14（time 记入 pss-14.csv）
  2. 观看引导放松视频
  3. 采集 ECG（30 s）→ 存 ecg.csv（phase=relax）
  4. 采集 EDA（≤2 min）→ 存 eda.csv（phase=relax，个别失败则缺席）
  5. 填写 STAI-S #1（time+phase 记入 stai.csv）
[应激相]
  6. 执行 Stroop Color Test（认知冲突）
  7. 执行 Geometry Dash（互动游戏）
     —— 步骤 6-7 全程 HR 连续记录
  8. 采集 ECG（30 s）→ 存 ecg.csv（phase=stress）
  9. 采集 EDA（≤2 min）→ 存 eda.csv（phase=stress，个别失败则缺席）
 10. 填写 STAI-S #2（time+phase 记入 stai.csv）
[全程]
  - Fitbit 逐秒/逐分钟记录 HR

关键观察：生理读数（3、4、8、9）与主观读数（1、5、10）在时间上交错但不同时。放松相是"先生理、后量表"，应激相同理。这意味着 STAI-S #2 评的是"应激任务刚结束"的主观感受，而 STRESS 相位 ECG/EDA 记的是"应激任务刚结束"的生理状态——二者相邻但不严格同步，做相关分析时应明确这一分钟级的时间错位。

3.10 数据质量的三项直接后果

把质控细节（§3.4）翻译成对使用者的三项直接后果：

1. EDA 样本不完整：8 段缺失意味着 EDA 的"每参与者两段"并非普适——按用户名配对时会遇到单相位甚至零 EDA 的参与者，须用缺失感知的建模策略。
2. ECG 时间覆盖有限：每段 30 秒 + 仅相位末，意味着 ECG 的可用时间总量很小（66 人 × 2 段 × 30 s ≈ 66 分钟原始波形），做深度模型时数据量是硬约束。
3. 时间戳非规范：EDA 的 time_sec 非等距 + HR 的时刻保留但需对齐 + 量表时刻需推断——三源时间戳都需使用者自行规范化后才能联合使用。

3.11 §3 读法三则

1. ECG/EDA 是"相位末快照"，HR 才是"全程电影"——别把三者当成同等时间覆盖的数据。
2. STAI-S 是两次（相位末），PSS-14 是一次（放松相始）；两者时间尺度不同，勿混用同一套配对逻辑。
3. 去标识只删了"日期"未删"时刻"——若研究涉及昼夜节律，时刻信息仍可能携带弱识别线索，使用时应遵守数据治理规范。

§4 团队、伦理与治理

4.1 出产机构与作者

QoL_Stress 由西班牙巴斯克地区的 Vicomtech Foundation 主导，三位作者的机构隶属（官方页 Author Info）：

作者	机构隶属
Amaia Calvo	Vicomtech Foundation, BRTA, Mikeletegi 57, Donostia-San Sebastián, 20009, Basque Country, Spain
Ander Cejudo	Vicomtech Foundation, BRTA + Faculty of Engineering, University of Deusto, Bilbao 48007
Cristina Martín Andonegui	Fundación Vicomtech/BRTA + University of Deusto + e-Health Group, Biogipuzkoa Health Research Institute, Paseo Dr Begiristain s/n, 20014

Vicomtech Foundation 是巴斯克研究与技术联盟（BRTA, Basque Research and Technology Alliance）成员，总部位于多诺斯蒂亚-圣塞瓦斯蒂安，是一家应用型视觉计算与多媒体研究中心。三位作者同时挂靠 University of Deusto 工程学院，第三作者还兼属 Biogipuzkoa 健康研究所的 e-Health Group——这解释了数据集"工程（可穿戴/信号处理）× 健康（心理生理学/量表）"的双重气质。

平台方：PhysioNet 由 MIT Laboratory for Computational Physiology 维护，受 NIBIB、NHLBI 与 NIH Office of the Director 资助（NIH grant U24EB037545、R01EB030362）。PhysioNet 的 RRID 为 SCR_007345。

4.2 伦理审批与合规链

数据集的伦理与合规依据（官方页 Ethics 段）：

维度	内容
伦理审批	Gipuzkoa Health Area 研究伦理委员会（Ethics Committee for Research of the Gipuzkoa Health Area）
国家法规	西班牙 14/2007《生物医学研究法》
国际准则	赫尔辛基宣言（Declaration of Helsinki）
数据保护	GDPR（EU 2016/679）+ 西班牙 3/2018 组织法（LOPDGDD）
知情同意	全部参与者签署书面知情同意；同意书含目标、流程、风险收益、自愿性与随时退出权
侵入性	声明"未涉及任何侵入性或医疗程序"
公开范围	参与者同意共享人口学与生理数据用于研究

这份合规链对使用者意味着：数据集已通过伦理审查并获参与者同意用于研究共享，可放心用于学术研究；CC BY 4.0 虽允许商用，但若你的用途超出"研究"，须自行评估 GDPR 语境下的再识别风险与合规义务。

4.3 去标识强度评估

措施	状态
姓名/直接标识符移除	✅
假名标识符（SHA-256 username）	✅
绝对日历日期移除（HR/ECG/问卷）	✅
时刻信息保留（用于对齐）	⚠️ 仍含时刻
EDA 用相对时间（无日期）	✅
人口学无日期	✅

残留风险：官方页自评"为降低再识别风险，已从公开表格中移除绝对日历日期"，但保留了必要的时刻信息。因此本数据集的去标识强度属于"研究级假名化"，而非"完全匿名"——在 GDPR 框架下仍可能被视为假名化个人数据。使用者在再分发、跨境传输或数据集连接（如与外部数据做链接）时，应遵守相应数据治理要求。

4.4 声明与致谢

• Acknowledgements：感谢所有参与者以及 Vicomtech 团队。
• Conflicts of Interest：作者声明无竞争性利益。
• 资助：官方页未单列本数据集专项资助，仅列 PhysioNet 平台层面的 NIH 资助。

§5 任务、建模与使用指引

5.1 可支撑的分析任务

官方页 Usage Notes 明示的用途范围：

1. 应激检测（stress detection）：以 RELAX/STRESS 相位为标签，训练二分类模型从生理信号判别应激状态。
2. 生理信号分析：ECG/EDA/HR 的信号处理、特征工程、HRV 分析等。
3. 多模态应激建模（multimodal modeling）：融合 ECG + EDA + HR + 量表做多模态表征。
4. 机器学习 / 深度学习 / LLM 方法：官方原文提及该数据已被用于"a machine learning, deep learning, and large language models"应激预测的进行中研究（稿件未发表）。

5.2 建模时的四条硬约束

把 §2、§3 的协议细节翻译成建模红线：

1. ECG 是相位末快照而非过程的连续覆盖：不要指望从 30 秒的相位末 ECG 里提取"应激任务过程中的动态 HRV"。若需动态特征，用逐秒 HR，但需自行切分相位时间窗。
2. EDA 的时间轴非等距：任何基于时间窗的特征（如窗口均值、斜率）必须处理 time_sec 的 5–6 秒步进与重复时间戳；官方明确禁止按等距 1 秒重建。
3. EDA 缺失 8 段：建模前先反推缺失的 username+phase 组合，做缺失处理，不要默认每人两段。
4. 样本量 66 + 跨被试划分：做监督学习时务必用"留一被试"或"按被试分组交叉验证"，避免同一被试的数据同时出现在训练与测试（同一人的 RELAX 与 STRESS 段高度相关，随机划分会严重高估性能）。

5.3 一张典型的建模流水线

对想做"应激二分类"的团队，一条稳妥的流水线骨架：

步骤 1  数据获取
        wget -r -N -c -np https://physionet.org/files/qol-stress/1.0.0/
步骤 2  载入与链接
        读 8 个 CSV；用 username(+phase) 把 ecg/eda/stai 关联；
        HR 文件按实验时间线切分 RELAX/STRESS
步骤 3  EDA 预处理
        按 valid_data 过滤；保留原始 time_sec（勿重建 1 秒轴）；
        处理缺失的 8 段（掩码或子集）
步骤 4  ECG 处理
        从 waveform_samples 解析波形；若需单位，参考设备口径自标定
步骤 5  特征/表征
        ECG→HRV 时域/频域特征；EDA→SCL 均值/激活；HR→统计特征
        量表(PSS-14/STAI-S)可作辅助任务或协变量
步骤 6  建模与评估
        留一被试交叉验证；报告按被试分组的指标
步骤 7  主观-生理一致性分析（可选）
        STAI-S 分数与同相位 ECG/EDA 特征做相关

5.4 与 WESAD 的对比定位

官方页明确把 WESAD（Schmidt 等 2018，ACM ICMI，doi:10.1145/3242969.3242985）列为"提供多模态生理数据用于应激与情感检测的相关公开数据集"，并指出既有数据集"在传感模态、协议与标注策略上各不相同"。二者对照：

维度	WESAD	QoL_Stress
样本量	15 名（公开版）	66 名
传感	胸带 + 腕表（多模态，含 EMG/温度等）	Fitbit Charge 6（ECG/EDA/HR）
自评量表	有（多份）	PSS-14 + STAI-S
协议	多任务情绪诱导协议	放松—应激双相（Stroop+游戏）
开放度	公开	CC BY 4.0 直链

QoL_Stress 的相对优势是样本量更大（66 vs 15）且心理量表口径明确；相对短板是信号模态更窄（无 EMG/呼吸/体温）且 ECG 非连续。二者互补：WESAD 适合多模态深度融合研究，QoL_Stress 适合"生理+量表"双维度与更大样本的验证。（注：库内已有 WESAD 条目 rid 67，见 §9。）

5.5 特征工程建议清单

针对三个信号，给出可落地的特征方向（供原型参考）：

信号	时域特征	频域/其他	注意
ECG	RR 间期统计、SDNN、RMSSD、pNN50	低频/高频功率、LF/HF	仅 30 s/段，HRV 稳定性有限；单位未标注
EDA	SCL 均值、波动次数、幅度	相位成分（tonic/phasic）	time_sec 非等距，勿按等距窗
HR	均值、方差、极差	趋势/斜率	需先切分相位

HRV 的样本长度警示：心率变异性（HRV）的频域指标通常建议 5 分钟以上稳定记录。本数据集 ECG 每段仅 30 秒、且是"相位末"采的，据此计算的频域 HRV 统计可靠性有限，建议以时域指标为主或明确声明局限。

5.6 标签设计方案

相位标签 RELAX/STRESS 是天然的二分类标签，但可扩展出更多任务：

任务	标签来源	说明
应激二分类	phase	最直接：RELAX vs STRESS
应激回归	STAI-S 分数	以状态焦虑分作连续目标
高/低焦虑二分类	STAI-S ≥36	官方给的阈值切点
压力特质关联	PSS-14 总分	与生理基线的相关分析
主观-生理一致性	STAI-S vs 生理特征	回归/相关性研究
多模态自监督	无标签	用三信号做对比学习预训练

5.7 常见误用清单

提前标出新手最易踩的建模误用：

1. 把 ECG/EDA 当连续时序做长程建模——它们只有相位末快照。
2. 随机划分训练/测试——同一被试的 RELAX/STRESS 高度相关，必须按被试分组。
3. 对 EDA 做等距重采样——官方明确禁止在未记录方法时重建 1 秒轴。
4. 默认每人两段 EDA——有 8 段缺失。
5. 直接按 mV 处理 ECG 波形——单位未标注。
6. 把 result_classification（NSR）当研究标签——它是设备自带信息性字段。
7. 混用 PSS-14 与 STAI-S 的配对逻辑——前者月尺度回顾、后者即时状态。

5.8 评估协议建议

由于样本量小（66 人），评估协议的选择比模型选择更影响结论可信度：

协议	适用	风险
留一被试（LOSO）	跨被试泛化评估的黄金标准	计算量随人数增长
按被试分组 k 折	折中方案	折数少时方差大
随机行划分	❌ 不推荐	同被试泄漏，性能虚高
被试内评估	个体化建模	不能宣称跨被试泛化

底线：任何声称"跨被试泛化"的结果，都必须用 LOSO 或按被试分组划分，否则会因同一被试的 RELAX/STRESS 段同时进入训练与测试而严重高估性能。

5.9 建模常见问答

问：66 人够训练深度模型吗？
作为"生理信号 + 分类"任务，66 人 × 2 相 = 132 个样本（若按整段计）偏小。建议：轻量模型 + 手工特征 + 按被试 LOSO；若用深度模型，优先自监督预训练或迁移学习，并诚实报告小样本下的不确定性。数据量决定了应把本数据集更多用作"验证集"或"跨数据集迁移的目标域"，而非从零训练的唯一来源。

问：能不能把 ECG/EDA/HR 直接拼成多通道张量？
可以，但要先解决长度不齐与采样率不一：ECG 是 250 Hz 的 30 秒段、EDA 是非等距的 ≤2 分钟序列、HR 是逐秒长序列。三者需分别处理成定长表征（如特征向量）再融合，而非直接按行拼接。

问：量表分数要不要进模型特征？
取决于任务。若任务是"应激检测"，用 STAI-S/PSS-14 作特征会构成标签泄漏（它们本身就是主观压力测量）——应作为独立维度分析或仅作评估对照。若任务是"生理预测主观压力"，则量表是目标而非特征。

问：缺 8 段 EDA 怎么办？
三种策略：① 只用有 EDA 的被试-相位子集（损失少量样本）；② 多模态模型中对缺失模态做掩码/置零，只在该模态可用时计入损失；③ 若 EDA 是核心，剔除相关被试-相位组合后重算样本量并声明。

5.10 任务可行性矩阵

把"想做的任务"与"数据是否支持"直接对照：

想做的任务	可行性	原因
相位二分类（RELAX/STRESS）	✅	phase 标签齐备
主观-生理相关性	✅	量表 + 生理配对
高/低焦虑分型	✅	STAI-S 阈值 36
压力特质关联分析	✅	PSS-14 一次/人
任务中实时 ECG 动态	❌	ECG 仅相位末 30 s
多通道同步时间序列建模	⚠️	采样/时间轴不一致，需预处理
昼夜节律分析	⚠️	时刻保留但场景非自然生活
临床应激障碍识别	❌	仅健康人群

§6 获取与许可：库内最干净的一档

6.1 获取方式

项目	内容
访问政策	Anyone can access（任何人可访问，只需遵守许可条款）
许可	CC BY 4.0（Creative Commons Attribution 4.0 International）
文件页	https://physionet.org/files/qol-stress/1.0.0/
终端下载	wget -r -N -c -np https://physionet.org/files/qol-stress/1.0.0/
ZIP	官方页 “Download the ZIP file (2.1 MB)”
注册墙/审批	无
唯一义务	署名（attribution）

一句话：这是库内可获取性光谱上最"干净"的一档——开放直链、无注册、无审批、许可明确且允许商用。相比之下，库内大量条目落在注册墙或请求制档位（见 §6.4）。

6.2 许可解读

CC BY 4.0 授予使用者：共享（复制、再分发）与改编（修改、演绎）的权利，甚至用于商业目的，条件是署名（给出适当credit、提供许可链接、指明是否作了修改）且不得施加额外限制。

实用要点：

1. 署名规范：引用应包含作者、年份、标题、版本、PhysioNet、RRID、DOI——官方页的 APA 格式为：Calvo, A., Cejudo, A., & Martín Andonegui, C. (2026). QoL_Stress… (version 1.0.0). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/vqtz-pm70
2. 平台引文：PhysioNet 要求附加平台标准引文（Pollard 等 2026, Nature Health）。
3. 衍生数据/模型：CC BY 4.0 允许你发布衍生数据集或基于它训练的模型，但衍生作品仍需保留对原始数据的署名。
4. 再识别禁止：许可授权的是数据使用，不改变 GDPR 下的合规义务——不得尝试再识别参与者。

6.3 版本与 DOI

项	值
当前版本	1.0.0（2026-10-07）
历史版本	无（首发版本）
DOI (v1.0.0)	10.13026/vqtz-pm70
DOI (latest)	10.13026/bypw-kr06
平台 Views	9（All Versions 9）

建议：引用具体版本时用 versioned DOI（10.13026/vqtz-pm70）；需要"最新版"指向时用 latest DOI（10.13026/bypw-kr06）。当前二者指向同一版本，但随更新会分化。

6.4 与库内可获取性光谱的对照

库内数据集条目已形成可获取性光谱（注册墙→请求制→平台托管→Registry→公开直链）。本条目位置：

档位	库内参照	本条目对应
注册墙（最严）	LMC2 型（注册+审批）	—
请求制	PANDA-PLUS 掩码型（邮件申请）	—
平台托管	Zenodo 型	—
Registry 收录	AWS Registry 型	—
公开直链	HF/Zenodo/PhysioNet 直链型	✅ 本条目（CC BY 4.0 + wget）

QoL_Stress 落在最开放的公开直链档，且与部分 PhysioNet 条目需签署数据使用协议（DUA）不同，它连注册都不需要——这正是它作为 AI-Ready 样本的价值：元数据与数据本体同时开放。

6.5 AI-Ready 检查单自查

检查项	状态	说明
机器可读元数据	✅	PhysioNet 描述页含完整 Data Dictionary、字段角色、采集口径
公开直链	✅	wget 直下，无门槛
许可明确性	✅	CC BY 4.0，条款清晰
可复现性	⚠️	协议描述完整，但无官方基线/参考代码；波形单位未标注
文档自洽	⚠️	EDA 124 vs 132 口径出现在同一页（坑 2）；无配套论文互证（坑 1）
持久标识	✅	DOI（versioned + latest）+ RRID
去标识合规	✅	假名化、去日历日期、伦理审批齐备

综合：AI-Ready 等级"高"——开放直链 + 完整数据字典 + 明确许可是三大加分项；唯一减分是无官方基线与配套论文，属"新发数据集"的常见状态。

§7 生态与影响：PhysioNet 上的"生理+量表"新样本

7.1 在应激检测数据集景观中的位置

QoL_Stress 不是孤例，而是"可穿戴应激检测数据集"这一小集群的新成员。把它放进景观里：

数据集	年份	样本量	核心模态	自评量表	许可
WESAD	2018	15	胸带+腕表多模态（ECG/EDA/EMG/温度/呼吸等）	有	公开
AffectiveROAD	2019	大量驾驶时段	腕表（EDA/温度/HR）+ 生理	有	公开
QoL_Stress	2026	66	Fitbit 腕表（ECG/EDA/HR）	PSS-14 + STAI-S	CC BY 4.0

QoL_Stress 的差异化定位：样本量适中（66）+ 模态精简（消费级腕表三信号）+ 心理量表口径明确 + 完全开放。它不是模态最丰富的数据集（WESAD 更全），也不是最贴近真实世界的（实验室协议），但它在一个窄而清晰的定位上做到了"拿来即用"。

7.2 PhysioNet 平台的生态位

PhysioNet 是全球最重要的生物医学信号开放平台之一（RRID:SCR_007345），2026 年其团队在 Nature Health 发文总结 25 年历程（Pollard 等 2026）。QoL_Stress 作为 PhysioNet 上的新数据集，享有平台的三个红利：

1. 持久托管与 DOI：PhysioNet 为每个数据集分配 DOI 与 RRID，保证长期可引用。
2. 标准化的元数据模板：官方页的 Abstract/Background/Methods/Data Description/Usage Notes/Ethics/References 结构是平台规范，利于机器抓取。
3. 直链下载基础设施：https://physionet.org/files/<slug>/<version>/ 的固定 URL 模式 + wget 模板。

对 AI-Ready 数据集生产者而言，QoL_Stress 页面结构本身就是一个"该写哪些元数据字段"的范本——尤其它的 Data Dictionary 用 Role 列（Metadata/Analysis/Quality control/Linking/Temporal）显式标注每个字段的用途，这比多数数据集只有字段名+类型的做法更利于自动化。

7.3 谱系与时间线

QoL_Stress 目前的时间线很简洁：

1. 2026-10-06：数据文件准备完成（Files 段 mtime）。
2. 2026-10-07：PhysioNet 官方页发布 v1.0.0。
3. 进行中：团队用它做 ML/DL/LLM 应激预测研究，配套稿件准备中（官方页自述，未发表）。

这意味着 QoL_Stress 尚处"数据先行、论文后至"的阶段。对使用者既是机会（数据比论文早可用，无已有基线可争）也是风险（无同行评审背书，协议与信号质量的学术检验缺失）。

7.4 对研究社区的可能影响

• 应激检测基准：66 人的"生理+量表"配对数据可直接做跨被试应激分类的公开基准。
• 主观-生理一致性研究：PSS-14/STAI-S 与 ECG/EDA/HR 的配对，为"心理压力能否由生理信号预测"提供直接证据平台。
• LLM 与可穿戴数据：官方明示该数据已用于 LLM 应激预测研究——这是"把表格化生理时序喂给语言模型"这一新兴方向的具体素材。

7.5 与库内生理信号条目的谱系定位

把本条目放进库内"生理信号"大类的子群，可见它填补的一个空白：

子群	库内代表	本目录位置
心电信号（诊断/挑战赛）	mimic-iv-ecg（172）、apnea-ecg（658）、CINC 系列（162/382）	旁支（应激场景 ECG）
睡眠生理信号	mesa-sleep（302）、isruc-sleep（262）	无直接关系
可穿戴应激	wearable-exam-stress（807）、WESAD（67）	直接同族
多模态/情感	WESAD（67）	直接同族

在本库的分类体系里，QoL_Stress 落在"生理信号 → 心电信号 / 可穿戴传感"交叉区，与 WESAD、wearable-exam-stress 构成"应激检测"小三角。它相对两者最突出的属性是CC BY 4.0 的完全开放直链。

7.6 潜在应用场景

场景	说明
可穿戴应激提醒系统	用相位分类器实时判断应激状态
心理生理学研究	量表-生理一致性、应激反应个体差异
数字健康 App 原型	用消费级腕表数据做压力管理
多模态表征学习	融合三信号 + 量表做对比学习
教育/科研教学	完整的"信号+量表"数据集，适合教学示范

其中"数字健康 App 原型"一栏值得展开：本数据集证明了消费级腕表（Fitbit）足以支撑"生理 + 主观"双维度采集，这对想用可穿戴设备做压力管理产品的团队是直接的可行性证据——不必采购昂贵科研设备即可获得可用的应激数据样本。当然，产品化时的隐私合规、长期依从性与个体化校准仍是额外挑战，本数据集不覆盖这些产品级问题。

§8 方法学启示：六条可迁移的经验

8.1 相位标签是最便宜的监督信号

QoL_Stress 用"实验相位"（RELAX/STRESS）当作天然标签，无需人工逐帧标注。这对任何"可设计刺激条件"的研究都适用：只要能用协议制造两种状态，就能把状态切换点变成标签。代价是标签粒度粗（只有两相），收益是零标注成本与高一致性。

8.2 消费级设备是研究级数据成本的可选项

Fitbit Charge 6 是消费级腕表，其 ECG/EDA 采样特性（30 秒快照、非等距 EDA）不如科研设备精细，但它把"多模态生理采集"的成本压到极低。QoL_Stress 的价值主张之一是证明：用消费级设备也能产出可用的多模态应激数据，前提是把协议的局限（ECG 非连续、EDA 步进非均匀）在文档里说清楚——这一点官方做到了。

8.3 把"协议局限"写进文档是一种学术诚实

QoL_Stress 官方页罕见地在 Usage Notes 里主动列局限：“result 不能外推到其他人群或真实世界”、“ECG 任务中瞬时反应可能未捕获”、“样本仅 66 人健康成人”。这种"自曝短板"的做法对下游使用者价值极高——它避免了"拿来就用却不理解边界"的误用，也让数据集的可信度反而提升。

8.4 双维度数据的链接设计

用统一的 SHA-256 username 把生理集合与量表集合链接，是一个简洁而有效的设计。它避免了复杂的本体映射，只用一根"参与者标识符"把 ECG/EDA/HR/人口学/PSS-14/STAI-S 串成可 join 的表族。对做"多源异构数据整合"的团队，这是"最小充分链接键"的实践样本：不用建复杂 schema，一个假名 IDs 就够。

8.5 元数据字段角色标注的示范价值

PhysioNet 官方页的 Data Dictionary 在"字段名 + 类型"之外，额外用 Role 列标注每个字段的用途（Metadata / Analysis / Quality control / Linking / Temporal / Informational / Primary signal）。这在数据集文档中并不常见，却对 AI-Ready 至关重要：自动化管线可以据此决定"哪些字段进特征、哪些进损失掩码、哪些只作元信息"。本条目在附录 E 复刻了这一规范，建议其他数据集生产者借鉴。

8.6 "数据先行、论文后至"的发布模式

QoL_Stress 采取先发布数据、论文随后跟上的模式。其优点：数据可被社区更早使用、无已有基线束缚。其风险：缺少同行评审对协议合理性与信号质量的外部检验；引用者在论文未出前只能依赖官方页，易产生"引用无源"的灰色引用行为。对本库的启示是：遇到此类"数据先行"条目，须在正文显著位置声明单源事实并持续跟踪论文发表。

§9 与库内条目的关系

9.1 家族图谱（rid 已 DB 核实）

• WESAD（rid 67）：最直接的可比基准——同为"多模态生理信号 + 应激/情感检测"数据集，官方页点名其为参照。两篇同读可对照"科研级多模态（15 人）vs 消费级精简多模态（66 人）"两条路线。
• wearable-exam-stress（rid 807）：库内另一可穿戴应激条目。须消歧：本条目是"受控实验的放松—应激双相 + Fitbit 三信号 + PSS-14/STAI-S"，后者面向考试应激场景，二者场景与协议不同，检索时应区分。
• apnea-ecg（rid 658）：同为 PhysioNet 单导联 ECG 生理信号条目，是 ECG 信号处理的方法论对照。
• physionet-cinc-2016（rid 382）/ physionet-cinc-2017（rid 162）：PhysioNet 挑战赛心电系，代表"ECG 信号处理 + 竞赛评测"传统。
• mimic-iv-ecg（rid 172）/ leipzig-heart-center-ecg（rid 910）/ openecg（rid 802）/ ecg-image-database（rid 959）：库内心电信号家族（含波形型与图像型），构成 ECG 检索面。
• mesa-sleep（rid 302）/ isruc-sleep（rid 262）：生理信号长程监测系，与本条目共享"可穿戴/多夜连续生理采集"的方法论关切。

9.2 检索路径建议

• 检索词组合：“QoL_Stress”（精确，带下划线）+ “PhysioNet”；或 “qol-stress” site:physionet.org。
• 若目标是"应激检测数据集"：先看 WESAD（rid 67）与 wearable-exam-stress（rid 807），再定位本条目。
• 若目标是"心电信号处理"：apnea-ecg（rid 658）+ mimic-iv-ecg（rid 172）为本条目提供 ECG 系谱系。
• 勿用：“QoL” 单词单独检索（会误命中生活质量量表类条目，坑 3）。

9.3 可互链的消歧要点

本条目与 wearable-exam-stress（rid 807）最容易混淆，消歧表：

维度	QoL_Stress（本条目）	wearable-exam-stress（rid 807）
场景	放松—应激受控实验	考试应激
设备	Fitbit Charge 6	（见该条目）
量表	PSS-14 + STAI-S	（见该条目）
平台	PhysioNet	（见该条目）

二者均属"可穿戴 + 应激"大主题，但协议、设备、量表不同，互链时应明确"独立数据集、非版本关系"。

9.4 库内家族三角的价值

把 WESAD（rid 67）、wearable-exam-stress（rid 807）、QoL_Stress（本条目）视为一个检索三角：

检索意图	首选条目	理由
科研级多模态应激基准	WESAD（67）	模态最全、ECG 连续
考试/真实场景应激	wearable-exam-stress（807）	场景贴近考试
生理+量表配对、大样本、开放直链	QoL_Stress（本条目）	66 人 + 量表 + CC BY 4.0

三者互补而非替代，用户在选型时应先明确"要模态丰富度、场景真实性、还是样本量+开放度"，再定位到对应条目。

9.5 与 ECG 图像型数据集的边界

库内 ecg-image-database（rid 959）代表"ECG 图像"路线（把心电图纸扫描成图），本条目代表"ECG 波形数值"路线。二者虽都含"ECG"字样，但数据形态与任务范式完全不同：前者面向图像识别/OCR，后者面向信号处理。检索时须区分。

9.6 库内互链实现建议

落地互链时，建议在正文相关段落内联指向以下条目（URL 占位形式 https://www.qianfanghub.com/ai-ready-dataset/<slug>/<rid>，具体 rid 以发布时 DB 为准）：

互链目标	slug	rid	互链理由
WESAD	wesad	67	同赛道可比基准（官方点名）
wearable-exam-stress	wearable-exam-stress	807	同族可穿戴应激（须消歧）
apnea-ecg	apnea-ecg	658	PhysioNet 单导联 ECG 系
physionet-cinc-2016	physionet-cinc-2016	382	PhysioNet 挑战赛心电系
physionet-cinc-2017	physionet-cinc-2017	162	PhysioNet 挑战赛心电系

消歧声明：本条目与 wearable-exam-stress（rid 807）为独立数据集、非版本关系——前者为受控放松—应激双相实验，后者面向考试应激场景，协议、设备与量表均不同，不可互相替代。

§10 避坑清单：八个已踩过的坑

坑 1：没有配套同行评审论文，所有数字是单源。官方页 Usage Notes 原文承认配套稿件 “currently under preparation and has not yet been published”。因此本条目全部硬数字仅来自 PhysioNet 官方页这一单一权威源，缺第二学术源互证。引用时务必声明"以 PhysioNet 官方页为唯一权威源"，不要虚构论文引用。

坑 2：EDA 记录数 124 vs 132 的口径冲突。官方页同一页同时给出"eda records = 124"与"8 段采集失败缺失（理论应有 132）"。以实存 124 为准，132 是 66×2 的理论值。任何"应为 132"的自动校验都应改为接受 124 并记录 8 段缺失。

坑 3：别把 QoL_Stress 当"生活质量"数据集。QoL 在项目名中沿用命名惯例，不代表它测的是生活质量（QoL = Quality of Life）。单独搜索 “QoL” 会大量误命中生活质量量表（如 SF-36、GHQ）类条目。检索请用 “QoL_Stress”（带下划线）或 “qol-stress”（slug）或 “PhysioNet stress”。

坑 4：ECG 是相位末快照，不是连续记录。官方明确 ECG 在每相结束时采集、每段 30 秒，“任务进行中的瞬时心血管反应可能未被捕获”。若研究问题需要任务过程中的 ECG 动态，本数据集不满足——不要误用它做"应激任务中的实时 ECG 分析"。

坑 5：EDA 的 time_sec 不能当等距时间轴。官方专节警告：步进约 5–6 秒、可重复、未插值未重采样，禁止在未记录处理方法时重建 1 秒时轴。基于时间窗的 EDA 特征必须尊重这一非等距特性，否则时间窗统计会失真。

坑 6：ECG 波形单位未标注。官方 Data Dictionary 对 waveform_samples 注明 “unit not specified in source export”。跨设备/跨数据集合并 ECG 波形前必须自行标定，不可默认 mV。

坑 7：它是数据集不是挑战赛，别等 leaderboard。无官方基线、无评测脚本、无排行榜。若你在寻找"可对比的 SOTA 分数"，本数据集不提供；正确姿势是自行设计实验并明确报告协议（尤其按被试分组）。

坑 8：随机划分训练/测试会严重高估性能。同一参与者的 RELAX 与 STRESS 两段数据高度相关。若用随机行划分，同一人的数据会同时进入训练与测试，性能虚高且不可复现。必须按被试分组划分（LOSO 或分组 k 折）——这是使用本数据集最容易犯、后果最严重的工程错误。

§11 总结

11.1 三句话总结

1. QoL_Stress 是 PhysioNet 2026 年首发的一个生理信号 + 自评量表多模态数据集：66 名健康成人在"放松—应激"双相协议下佩戴 Fitbit Charge 6，采集单导联 ECG、EDA、逐秒/逐分钟 HR 与 PSS-14/STAI-S 量表，CC BY 4.0 完全开放直链。
2. 它的核心价值在双维度链接：用 SHA-256 假名标识符把"身体读数"（ECG/EDA/HR）与"心理读数"（PSS-14/STAI-S）打通，并给每段数据标注 RELAX/STRESS 相位，使"应激状态识别"成为零标注成本的监督任务。
3. 它的边界必须说清：无配套论文（单源）、样本仅 66 人健康成人、ECG 只采相位末 30 秒、EDA 步进非等距——理解这些边界，才能不误用它。

11.1.1 一句话记住它

一份用消费级腕表采集、CC BY 4.0 完全开放的"放松—应激"双相多模态生理信号 + 心理量表配对数据集，样本 66 人，价值在"身体读数"与"心理读数"的同步，短板在"无论文背书 + ECG 快照化"。

11.2 适合谁

• 可穿戴应激检测团队：需要"生理信号 + 标签"的开放数据做原型与验证。
• 情感计算/生理信号研究者：需要多模态（ECG/EDA/HR）配对样本。
• 心理生理学与压力研究者：需要"生理客观量 + 心理量表"的配对数据做一致性研究。
• ML/DL/LLM 方法开发者：需要一个低门槛、可直接下载的真实生理时序数据集。

11.3 不适合谁

• 需要任务全程连续 ECG 的项目（本数据 ECG 只采相位末 30 秒）。
• 需要大样本人群泛化的项目（66 人、青年健康、实验室条件）。
• 需要丰富模态（EMG/呼吸/体温）的项目（本数据仅 ECG/EDA/HR 三信号）。
• 需要严格生物性别/年龄分层的分析（性别 39:27 不均衡、年龄集中于青年）。

11.4 30 秒决策卡

你的需求	结论
要一个开放的"应激生理+量表"数据集	✅ 直接 wget，CC BY 4.0
要做跨被试应激二分类	✅ 可用，务必按被试分组交叉验证
要任务过程中的实时 ECG	❌ ECG 仅相位末 30 秒
要等距 1 秒的 EDA 时序	❌ time_sec 非等距，勿重建
要引用"同行评审"背书	❌ 无配套论文，仅 PhysioNet 官方页
要丰富多模态（含 EMG/呼吸）	⚠️ 考虑 WESAD（rid 67）互补

---

附录 A：核验时点与来源存照

项	内容
核验时点	2026-10-09
一手来源	https://physionet.org/content/qol-stress/
HTTP 状态	200（主会话实测 + 本代理 curl 复核）
页面存照	writing/qol-stress/.parts_agent-b-qolstress_1791512268_2011571/official_page.html（60,961 B）
存照 md5	6513df1af6d3399459edb1cd35991132
网络预算使用	WebFetch 1（空返回，失败）+ curl 1；未触发 WebSearch，总请求 ≤6

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	PhysioNet 官方页可索引，含完整 Data Dictionary；DOI + RRID 齐备；但无独立论文扩散，外部引用尚少（平台 Views 仅 9）
A 可获取性	10	CC BY 4.0 完全开放直链，无注册墙、无审批，ZIP 仅 2.1 MB——可获取性满分
I 可互操作	8	CSV 通用格式 + Python/R/MATLAB 可直接读；字段角色显式标注；扣分在 ECG 波形存单字段且单位未标注
M 元数据质量	8	官方页元数据极详（方法/协议/字典/伦理/局限）；扣分在无配套论文互证 + EDA 124/132 页内冲突
S 可持续性	8	PhysioNet（MIT LCP）长期托管 + DOI/RRID + NIH 资助；稳定性高；v1.0.0 首发，无历史版本考验
综合评级	8.4/10（高）	可获取性与元数据近乎满分；短板在"新发无论文"与"字段级小瑕疵"

附录 C：逐项证据链自证

关键数字/事实	来源	位置
66 名（男 39/女 27，29.7±6.9 岁）	PhysioNet 官方页	Population 段
ECG 132 段 / EDA 124 段 / STAI 132	官方页	Data Description 表
HR 逐秒/逐分/汇总各 66	官方页	Data Description 表
PSS-14 66 / participants 66	官方页	Data Description 表
ECG 250 Hz、30 秒/段、相位末	官方页	Physiological and Self-Reported Measures
EDA ≤2 分钟、time_sec 步进约 5–6 秒	官方页	EDA time representation
8 段 EDA 采集失败缺失	官方页	Data Collection and Quality Control
STAI-S 阈值 36	官方页	Physiological and Self-Reported Measures
会话约 30 分钟、两相协议	官方页	Experimental Protocols
CC BY 4.0	官方页	License 段
DOI 10.13026/vqtz-pm70 / bypw-kr06	官方页	Discovery 段
解压 10.6 MB / ZIP 2.1 MB	官方页	Files 段
无配套论文（准备中）	官方页	Usage Notes
伦理：Gipuzkoa + GDPR + LOPDGDD	官方页	Ethics 段

附录 D：数据获取决策树

需求是什么？
├── 只想做应激二分类原型
│   └── wget https://physionet.org/files/qol-stress/1.0.0/
│       → 用 phase 作标签，留一被试交叉验证
├── 想研究主观-生理一致性
│   ├── STAI-S（相位末）× 同相位 ECG/EDA
│   └── PSS-14（放松相始）× 放松相生理基线
├── 想训练多模态表示模型
│   ├── 融合 ECG + EDA + HR 三信号
│   └── 量表作辅助任务/协变量
├── 需要连续 ECG
│   └── 本数据集不满足 → 考虑其他连续 ECG 数据集
└── 需要更多模态（EMG/呼吸）
    └── 考虑 WESAD（rid 67）与本数据集互补

附录 E：字段使用规范速查

字段	语义	使用规范
username	SHA-256 假名标识	join 键；不得尝试反匿名
phase	relax / stress	监督标签/分层变量
waveform_samples	ECG 完整波形（单字段）	解析为序列；单位未标注，需自标定
time_sec	EDA 相对时间	保留原值；勿重建等距 1 秒轴
scl_avg	平均皮肤电导（µS）	EDA 主变量
valid_data	EDA 质控布尔	分析前先过滤
activation	设备激活指示（0/1）	信息性字段
heart_rate / value	心率（bpm）	分析变量
result_classification	设备自带心律分类（NSR 等）	信息性，非研究者标注
score（pss-14/stai）	量表总分	主观维度变量

附录 F：八大数据集合速查

文件	记录数	每参与者条数	相位字段
ecg.csv	132	2（RELAX+STRESS）	✅ phase
eda.csv	124	2（8 段缺失）	✅ phase
fitbit_heart_rate_per_second.csv	66	1（长时序）	❌ 需自对齐
fitbit_heart_rate_per_minute.csv	66	1（长时序）	❌ 需自对齐
fitbit_heart_rate_summary.csv	66	1（日汇总）	❌
participants.csv	66	1	❌
pss-14.csv	66	1（放松相始）	❌
stai.csv	132	2（每相末）	✅ phase

附录 G：建模流水线骨架（代码）

import pandas as pd

# 1. 载入
ecg = pd.read_csv("ecg.csv")
eda = pd.read_csv("eda.csv")
stai = pd.read_csv("stai.csv")
hr_s = pd.read_csv("fitbit_heart_rate_per_second.csv")

# 2. EDA 质控（按 valid_data 过滤，保留原始 time_sec）
eda_valid = eda[eda["valid_data"] == True].copy()
# 注意：勿对 time_sec 做等距重采样

# 3. 相位配对（同一 username 的 RELAX/STRESS）
piv = eda_valid.pivot_table(index="username", columns="phase",
                            values="scl_avg", aggfunc="mean")

# 4. 留一被试交叉验证（避免同被试泄漏）
subjects = sorted(eda_valid["username"].unique())
for test_subj in subjects:
    train = eda_valid[eda_valid["username"] != test_subj]
    test = eda_valid[eda_valid["username"] == test_subj]
    # 训练/评估……

附录 H：与 WESAD 的选型对照

选型维度	选 QoL_Stress	选 WESAD
需要更多样本	✅（66 vs 15）
需要更多模态（EMG/呼吸/体温）		✅
需要心理量表配对	✅（PSS-14+STAI-S）	✅
需要连续 ECG		✅
需要完全开放直链	✅（CC BY 4.0）

附录 Q：坑点档案（与 §10 对照）

编号	坑点	处置
坑 1	无配套论文，单源	全文声明以 PhysioNet 官方页为唯一权威源
坑 2	EDA 124 vs 132	以实存 124 为准，132 为理论值
坑 3	QoL 误命中断言	用 QoL_Stress/qol-stress 精确检索
坑 4	ECG 相位末快照	不用作任务中连续 ECG 分析
坑 5	EDA time_sec 非等距	保留原值，勿重建 1 秒轴
坑 6	ECG 波形单位未标注	跨源合并前自标定
坑 7	非挑战赛，无 leaderboard	自行设计实验并报告协议
坑 8	随机划分致同被试泄漏	必须按被试分组（LOSO/分组 k 折）

附录 Q2：八个坑点的严重度分级

坑	严重度	触发概率	影响面
坑 1 单源无论在	高	100%	引用规范
坑 2 EDA 124/132	中	高（自动校验）	数据口径
坑 3 QoL 误检索	中	中	检索效率
坑 4 ECG 非连续	高	中	任务可行性
坑 5 EDA 时间轴	高	高	特征正确性
坑 6 ECG 单位	中	中	跨源合并
坑 7 无 leaderboard	低	中	预期管理
坑 8 同被试泄漏	最高	高	结论有效性

附录 R：伦理与治理自查

项	结论
伦理审批	Gipuzkoa Health Area 研究伦理委员会
国家法规	西班牙 14/2007
数据保护	GDPR + LOPDGDD
知情同意	全部书面同意
侵入性	无
去标识强度	假名化 + 去日历日期（保留时刻）
再分发合规	CC BY 4.0 允许，但受 GDPR 约束

附录 S：双口径与存照清单

项	口径 A	口径 B	处置
EDA 记录数	124（实存）	132（理论 66×2）	以 124 为准，注明 8 段缺失
发布时间	页面 Oct. 7, 2026	文件 mtime 2026-10-06	以页面为准
DOI	vqtz-pm70（v1.0.0）	bypw-kr06（latest）	按用途择一
论文状态	无	—	单源声明

附录 T：后续维护触发点

1. 配套论文发表：一旦 arXiv/期刊出现 QoL_Stress 论文，须补录基线结果与引用，并订正"单源"声明。
2. 版本更新：若发布 v1.1.0+，须核对 EDA 缺失是否补采、字段是否变化、DOI latest 是否已分化。
3. WESAD 条目互链：确认库内 wesad（rid 67）条目正文后建立双向互链。
4. 库内增量：若库内新增其他应激/可穿戴数据集，需更新 §9 家族图谱。
5. Views 计数：官方页 Views 会随时间增长，引用时存照时点。

附录 U：缩写速查

缩写	全称
QoL	Quality of Life（此处沿用项目命名）
ECG	Electrocardiogram（心电图）
EDA	Electrodermal Activity（皮肤电活动）
HR	Heart Rate（心率）
HRV	Heart Rate Variability（心率变异性）
PPG	Photoplethysmography（光电容积脉搏波）
SCL	Skin Conductance Level（皮肤电导水平）
PSS-14	Perceived Stress Scale（14 项感知压力量表）
STAI-S	State-Trait Anxiety Inventory – State（状态焦虑分量表）
BRTA	Basque Research and Technology Alliance
GDPR	General Data Protection Regulation（欧盟通用数据保护条例）
LOPDGDD	Ley Orgánica de Protección de Datos（西班牙数据保护组织法）
DUA	Data Use Agreement（数据使用协议）
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability

附录 V：FAIR/AI-Ready 检查单

检查项	状态	说明
F1 全局唯一标识	✅	DOI（vqtz-pm70 / bypw-kr06）+ RRID:SCR_007345
F2 富元数据	✅	PhysioNet 官方页完整 Data Dictionary
A1 可访问协议	✅	CC BY 4.0 直链，无门槛
A2 元数据可访问	✅	页面公开
I1 互操作格式	✅	CSV
I2 词汇表引用	✅	标准量表（PSS-14/STAI-S）与生理术语
R1 来源溯源	✅	作者/机构/伦理齐备
R3 可复现流程	⚠️	协议描述完整，无官方基线/代码

附录 W：基于本数据集的研究检查清单（12 项）

1. 单源声明：引用任何数字时注明"以 PhysioNet 官方页为唯一权威源"（坑 1）。
2. EDA 口径：用 124（非 132）；显式处理 8 段缺失（坑 2）。
3. 检索卫生：用 “QoL_Stress”/“qol-stress”，勿用裸 “QoL”（坑 3）。
4. ECG 边界：勿用作任务过程连续 ECG 分析（坑 4）。
5. EDA 时间轴：保留原始 time_sec，勿重建 1 秒轴（坑 5）。
6. ECG 单位：跨源合并前自行标定（坑 6）。
7. 跨被试划分：留一被试/分组交叉验证，防同被试泄漏。
8. 相位标签：RELAX/STRESS 作监督标签，但注意 ECG/EDA 只覆盖相位末。
9. 量表解读：PSS-14 回顾性（月尺度）、STAI-S 即时性（阈值 36），勿混用配对逻辑。
10. 人口学分层：性别 39:27 不均衡、年龄青年集中，分层结论谨慎。
11. 伦理合规：虽 CC BY 4.0 开放，仍受 GDPR 约束，不得再识别。
12. 时点存照：Views、时点、DOI 版本等在引用时注明抓取日期（本文 2026-10-09）。

附录 X：检索路径示范

目标	推荐查询式	预期命中
官方页	site:physionet.org qol-stress	https://physionet.org/content/qol-stress/
数据集精确名	“QoL_Stress”	PhysioNet 页 + 引用者
可比基准	“WESAD” stress wearable	Schmidt 2018 ACM ICMI
心电系谱系	PhysioNet ECG stress / apnea-ecg	库内相关条目
反例（勿用）	“QoL”（裸词）	生活质量量表类误命中（坑 3）

附录 Y：逐张记录逻辑自检

集合	逻辑检查	结论
ecg	66×2=132 ✅	一致
stai	66×2=132 ✅	一致
eda	66×2=132 ≠ 124	8 段缺失（坑 2）
HR 三件套	66×1=66 ✅	一致
participants/pss-14	66×1=66 ✅	一致

附录 Z：版本链与引用

版本	日期	DOI	状态
1.0.0	2026-10-07	10.13026/vqtz-pm70	当前

推荐引用（数据集）：
Calvo, A., Cejudo, A., & Martín Andonegui, C. (2026). QoL_Stress: A Multimodal Dataset of Physiological and Self-Reported Stress Responses (version 1.0.0). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/vqtz-pm70

平台引用：
Pollard, T., Moody, B. E., Lehman, L., Gow, B., Fernandes, C., Xie, C., Johnson, A., Mark, R. G., & Heldt, T. (2026). PhysioNet as a global platform for biomedical research. Nature Health, 1(8), 792–795. https://doi.org/10.1038/s44360-026-00096-z

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-09，核验时点见附录 A。事实陈述以 PhysioNet 官方页（https://physionet.org/content/qol-stress/，HTTP 200，页面存照 md5 6513df1af6d3399459edb1cd35991132）为唯一权威源——本数据集尚无配套同行评审论文（官方页自述稿件准备中），此为客观单源限制，已在坑 1 与正文多处声明。EDA 124/132 口径冲突、发布时间双口径、DOI 双口径等已在附录 S 存照。条目与库内 WESAD（rid 67）、wearable-exam-stress（rid 807）、apnea-ecg（rid 658）、physionet-cinc-2016（rid 382）、physionet-cinc-2017（rid 162）等条目互链，构成"生理信号 + 应激检测"检索家族的完整检索面。后续维护触发点见附录 T。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• ephnogram — 共享标签：生理信号 / 心电信号 / 可穿戴传感 / 多模态
• cardiowave-portable — 共享标签：生理信号 / 心电信号 / 可穿戴传感 / 多模态
• dreamer — 共享标签：生理信号 / 心电信号 / 可穿戴传感 / 多模态
• wesad — 共享标签：生理信号 / 可穿戴传感 / 多模态
• cgmacros — 共享标签：生理信号 / 可穿戴传感 / 多模态
• tiles-2018-sleep — 共享标签：生理信号 / 可穿戴传感 / 调查数据
• wearable-exercise-frailty — 共享标签：生理信号 / 心电信号 / 可穿戴传感
• heartcycle — 共享标签：生理信号 / 心电信号 / 多模态
• body-sway-music-vr — 共享标签：生理信号 / 可穿戴传感 / 多模态
• pulsedb — 共享标签：生理信号 / 心电信号 / 可穿戴传感

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。