COVID-19疫情期间医护人员心理健康与职业倦怠数据集
该数据集来自clinicaltrials.gov,聚焦COVID-19疫情期间医护人员(HCWs)的心理健康与职业倦怠问题

基本信息
资源简介
COVID-19疫情期间医护人员心理健康与职业倦怠数据集
该数据集来自clinicaltrials.gov,聚焦COVID-19疫情期间医护人员(HCWs)的心理健康与职业倦怠问题。源站描述指出疫情对全球造成灾难性影响,给医护人员带来巨大负担并损害其心理健康,且心理影响随疫情持续而加重。项目旨在评估并干预改善持续参与疫情应对的医护人员的心理健康,评价在线心理社会健康干预的可接受性、可行性及早期有效性,以减少倦怠、促进心理健康,并描述与压力和倦怠相关的工作场所及个人特征(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:COVID-19、倦怠、职业倦怠、工作相关疾病、工作相关压力、SARS-CoV-2感染。COVID-19疫情对世界造成了灾难性影响,导致数百万人死亡。它给医护人员(HCWs)带来了尤其巨大的负担,他们报告心理健康受损。近期证据表明,随着疫情持续,心理影响正在恶化。本项目的目标是评估并干预改善在整个持续疫情应对期间活跃的医护人员的心理健康。我们将评估一项旨在减少医护人员倦怠、促进心理健康的在线心理社会健康干预的可接受性、可行性和早期有效性,并描述与压力和倦怠相关的工作场所和个人特征。目标1:评估
【主题与分类】
主题标签:COVID-19、Burnout、Burnout, Professional、Work-related Illness、Work-Related Stress、SARS-CoV-2 Infection。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05394051
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放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://clinicaltrials.gov/study/NCT05394051
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
研究条件:COVID-19、职业倦怠、职业性倦怠、工作相关疾病、工作相关压力、SARS-CoV-2感染。COVID-19大流行对世界造成了灾难性影响,导致数百万人死亡。它给医护人员(HCWs)带来了尤为沉重的负担,这些人员报告心理健康受损。近期证据表明,随着大流行持续,心理影响正在加剧。本项目旨在评估并干预以改善在整个持续大流行应对期间一直活跃的医护人员的心理健康。我们将评估一项旨在减少医护人员职业倦怠、促进心理健康的在线心理社会健康干预的可接受性、可行性和早期有效性,并描述与压力和职业倦怠相关的工作场所和个人特征。目标1:使用自我报告问卷,评估在COVID-19大流行期间于西北医学(NM)工作的3,569名医护人员现有队列的心理健康(抑郁、焦虑、积极情感、意义和目的)及职业倦怠。
假设1:与行政人员相比,面向患者的医护人员将表现出更高的职业倦怠评分以及心理幸福感不良的证据(高抑郁、高焦虑,以及低积极情感和低意义感与目标感)。目标2:探讨心理幸福感与职业倦怠评分同健康和心血管代谢行为(即睡眠、身体活动)及健康相关缺勤之间的关联。假设2:更高水平的情绪幸福感将与健康行为相关。目标3:在一项带有等待名单对照的随机对照试验(RCT)中,评估基于证据的积极情感调节技能(PARK)干预在改善医护人员心理幸福感和减轻职业倦怠方面的可接受性、可行性和有效性。假设3.1:参与者将认为PARK可接受且可行。假设3.2:与对照组参与者相比,能够获得PARK干预的参与者将在心理
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




