汉堡应用科学大学健康监测

数据集获取

源站：https://clinicaltrials.gov/study/NCT07089914

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：社会隔离或孤独感、焦虑、急性焦虑、焦虑抑郁、健康行为、健康行为改变、观察性研究、在职成年人。Health Surveillance 2025旨在分析和描述汉堡应用科学大学（HAW）学生的健康状况、关键影响因素和个人资源。在存在行动需求的领域，Health Surveillance可以提供详细洞见和/或深入分析。因此，Health Surveillance提供有关健康主题的信息，并提供科学可靠的信息，作为后续跟进过程中各层面（如院系）开展健康促进讨论的基础。此外，汉堡应用科学大学的Health Surveillance 2025通过使用经过验证的标准化测量工具，有助于与其他德国大学的调查具有可比性。主要假设为：1. Health Surveillance 2025可深入了解HAW员工的健康状况、关键影响因素和个人资源。2. 借助Health Surveillance 2025，可指导HAW的健康促进工作，并加强心理健康促进（包括减少孤独感和歧视）。3. 员工的健康、其感知到的孤独感和歧视/少数化（不利处境）是否与参与健康促进活动相互关联？4. 能否为健康促进行为的多倍推广者（例如MHFA同伴）的资格与技能培训推导出建议？

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。