COVID-19影响量表、事件相关反刍量表、Beck抑郁量表与Beck焦虑量表在线样本数据
该数据集于2020年7月至2021年4月通过在线样本采集，共1507名参与者，用于研究COVID-19疫情压力、疫情相关侵入性反刍与刻意反刍以及抑郁和焦虑症状严重程度之间的关联
基本信息
资源简介
COVID-19影响量表、事件相关反刍量表、Beck抑郁量表与Beck焦虑量表在线样本数据
COVID-19 Impact Scale, Event-Related Rumination Inventory, Beck Depression Inventory, and Beck Anxiety Inventory Data from Online Sample
该数据集于2020年7月至2021年4月通过在线样本采集，共1507名参与者，用于研究COVID-19疫情压力、疫情相关侵入性反刍与刻意反刍以及抑郁和焦虑症状严重程度之间的关联。数据包含COVID-19影响量表、事件相关反刍量表、Beck抑郁量表-II和Beck焦虑量表等测量结果，并附有问卷条目编码、人口学信息等文件。数据可用于分析疫情心理压力与反刍思维对抑郁焦虑的影响，支持回归或预测建模（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2022-08-30。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集于2020年7月至2021年4月期间从1507名参与者的在线样本中收集，旨在研究以下因素之间的关联：COVID-19疫情导致的压力、疫情相关的侵入性和刻意反刍（IR和DR），以及抑郁和焦虑症状的严重程度。疫情压力（PS）使用COVID-19影响量表（Howes Vallis等，2021）进行评估。IR和DR使用事件相关反刍量表（ERRI；Cann等，2011）的一个版本进行评估，该版本经过修改以针对疫情相关反刍。抑郁和焦虑水平分别使用Beck抑郁量表-II（BDI-II；Beck, Steer, & Brown, 1996）和Beck焦虑量表（BAI；Beck等，1988）进行评估。请参阅“ItemCodes.docx”和“Questionnaires.docx”以获取这些问卷条目及其他收集数据（例如人口学、药物）的列表。
【数据结构与技术规格】
文件数 12 个，合计 35.43 MB。数据集 DOI：10.17632/2f6t9pff4n.8。
【主题与分类】
主题标签：COVID-19。本站分类：感染性疾病。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/2f6t9pff4n
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://data.mendeley.com/datasets/2f6t9pff4n
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:
数据集大小约 35.4 MB。
数据说明
Scott Squires (2022). COVID-19 Impact Scale, Event-Related Rumination Inventory, Beck Depression Inventory, and Beck Anxiety Inventory Data from Online Sample [Dataset]. http://doi.org/10.17632/2f6t9pff4n.8
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。
