消防员与急救人员正念运动实施障碍与促进因素数据
该数据集来自一项针对消防员和急救医疗服务提供者的定性研究,通过半结构化访谈识别并深入理解成功实施正念类项目所需的具体需求、潜在障碍与促进因素

基本信息
资源简介
消防员与急救人员正念运动实施障碍与促进因素数据
Data for: Barriers and Facilitators to Implementation of Mindfulness in Motion for Firefighters and Emergency Medical Service Providers
该数据集来自一项针对消防员和急救医疗服务提供者的定性研究,通过半结构化访谈识别并深入理解成功实施正念类项目所需的具体需求、潜在障碍与促进因素。研究由俄亥俄州工人赔偿局职业安全与健康研究项目资助。数据可用于探索正念干预在应急职业人群中的实施影响因素,支持实施科学分析与定性研究复用(来源 DOI 解析)。
【数据集背景】
源站首次发布:2024。
【数据内容】
源站描述(机器翻译,仅供参考):项目概述:本项目通过半结构化访谈的定性研究设计,聚焦于识别并加深理解针对消防员和急救医疗服务提供者成功实施正念类项目的具体需求、潜在障碍与促进因素。本研究由俄亥俄州工人赔偿局(OBWC)的俄亥俄州职业安全与健康研究项目资助,项目编号 WSIC23-220513-011。
【主题与分类】
主题标签:Medicine, Health and Life Sciences、firefighters、mindfulness、barriers、facilitators、implementation。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://data.qdr.syr.edu/citation?persistentId=doi:10.5064/F68TOJJY
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://doi.org/10.5064/F68TOJJY
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
项目概述 本项目通过半结构化访谈的定性研究设计,重点识别并加深理解消防员和紧急医疗服务提供者在成功实施正念项目方面的具体需求、潜在障碍及促进因素。本研究由俄亥俄州工人赔偿局(OBWC)的俄亥俄州职业安全与健康研究项目资助,项目编号 # WSIC23-220513-011。数据与数据收集概述 本研究采用现象学定性研究设计,通过45-60分钟的半结构化访谈,深入了解消防员和紧急医疗服务提供者的生活体验,并征询他们对参与正念活动的障碍与促进因素的看法。研究从俄亥俄州各地消防站招募了11名不同职级的职业消防员和紧急医疗服务提供者(EMS),职级涵盖一线消防员至消防队长,招募依据是其能够参与深度访谈,讨论其作为一线响应人员与工作相关的压力点。
访谈指南问题经过专门设计,以充分考虑工作环境的独特背景,即紧急呼叫的不确定性可能限制培训或干预措施的规划与实施方式。所有参与研究的受试者均获得了知情同意,且未保留任何个人信息记录。本研究方案已获俄亥俄州立大学机构审查委员会批准(项目编号#2022B0254,批准日期:2022年9月8日)。受访者就正念训练、正念练习以及一款可在工作期间融入正念活动的减压智能手机应用程序提出了自己的想法和反馈。采用实施研究综合框架(CFIR)指导分析和分类。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




