马来西亚 PPR 肥胖与 DASS 数据
数据基于马来西亚吉隆坡 B40 社区的一项回顾性队列研究，旨在探究 prolonged COVID-19 lockdown 对肥胖与心理健康的影响
基本信息
资源简介
马来西亚 PPR 肥胖与 DASS 数据
PPR Obesity DASS data Malaysia 是一个聚焦肥胖症与心理健康议题的医学研究数据集，归类于内分泌、营养和代谢疾病领域下的肥胖症方向，来源站为 search.dataone.org。该数据集基于马来西亚吉隆坡 B40 社区开展的一项回顾性队列研究，核心目的在于探究 prolonged COVID-19 lockdown 对肥胖与心理健康所产生的影响。数据集的主题标签涵盖 Medicine, Health and Life Sciences、COVID-19、MCO、Urban Poor、Obesity 以及 Mental health，反映出其研究背景与城市贫困人群在疫情封锁期间的健康状况密切相关。整体而言，该数据集为理解公共卫生危机期间社会经济弱势群体的肥胖与心理健康的关联提供了研究数据基础。
【数据集背景】
该数据集的研究背景与 COVID-19 大流行期间的封锁措施密切相关。源站描述指出，这是一项针对马来西亚吉隆坡 B40 社区的回顾性队列研究，旨在探究 prolonged COVID-19 lockdown 对肥胖和心理健康的影响。B40 社区通常指马来西亚收入水平较低的群体，结合主题标签中的 Urban Poor（城市贫困）与 MCO（行动管制令），可以看出该研究关注的是疫情封锁期间城市贫困人群所面临的健康挑战。肥胖与心理健康作为两个相互关联的健康维度，在此类社会处境下可能受到封锁政策的显著影响，因此该数据集围绕这一特定时空与社会背景展开。
【数据内容】
该数据集的主题标签包括 Medicine, Health and Life Sciences、COVID-19、MCO、Urban Poor、Obesity 和 Mental health，表明其内容涉及医学与健康生命科学领域，并围绕新冠疫情、行动管制令、城市贫困、肥胖和心理健康等核心概念组织。数据集名称中的 DASS 通常指抑郁、焦虑与压力量表，Obesity 则指向肥胖相关指标，但源站未提供具体的变量字段、样本量、测量指标或数据结构等细节。除上述主题标签与源站描述外，关于数据内容的具体构成，源站未提供更多信息。
【采集与来源】
该数据集来源于 search.dataone.org。源站描述说明其基于马来西亚吉隆坡 B40 社区的一项回顾性队列研究。回顾性队列研究通常依托已有记录或历史数据展开，但关于具体的采集方式、采集时间、样本招募过程、数据收集工具以及伦理审批等信息，源站未提供。
【适用场景】
基于其主题标签与源站描述，该数据集可适用于探究 prolonged COVID-19 lockdown 与肥胖、心理健康之间关系的研究场景，也可用于关注城市贫困人群在公共卫生危机期间健康状况的分析。其涉及 COVID-19、MCO、Urban Poor、Obesity 和 Mental health 等主题，适合与疫情封锁政策、社会经济弱势群体健康、肥胖与心理健康的交叉研究相关的用途。除此之外，源站未提供其他具体的适用场景说明。
【使用方法】
关于该数据集的具体使用方法，源站未提供。
【质量与限制】
关于该数据集的质量评估与使用限制，源站未提供。
【引用与许可】
关于该数据集的引用方式与许可条款，源站未提供。
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
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
一项在马来西亚吉隆坡B40社区开展的回顾性队列研究，旨在探讨长期COVID-19封锁对肥胖和心理健康的影响。
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。
