COVID-19 疫情期间机构医疗不信任量表（IMMS）检验研究，美国，2022 档案版

数据集获取

源站：https://doi.org/10.3886/ICPSR39469

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

本研究的目的是利用大规模全国性人群验证机构医疗不信任量表（Institutional Medical Mistrust Scale, IMMS），以更好地理解公众对医疗机构和政府组织的信任问题。本研究的目标包括：（1）使用IMMS开展全国性人群调查；（1a）考察在美国COVID-19大流行期间，地方、州和联邦层面的医疗机构与治理机构对医疗不信任的影响；（1b）在大型全国性调查中检验IMMS的心理测量学特性；（2）在美国全国性人群中检验IMMS，并有意对非裔美国人/黑人、拉丁裔和慢性病受访者进行过度抽样。本研究的终点分为心理社会测量指标和身体测量指标，包括：（1）对医疗机构及地方/州和联邦政府组织的机构医疗不信任的测量；（2）心理和身体健康；（3）疫苗接种或犹豫情况；（4）与疫苗接种或犹豫相关的因素。

本研究的目的是利用大规模全国性人群验证机构医疗不信任量表（Institutional Medical Mistrust Scale, IMMS），以更好地理解公众对医疗机构和政府组织的信任问题。数据收集完成后，对设计权重进行了调整，以校正可能出现的差异性无应答。根据特定研究的目标人群不同，相应人群的地理人口分布数据取自CPS、美国人口普查局的美国社区调查（American Community Survey, ACS），或在某些情况下取自加权后的KnowledgePanel档案数据。为此，采用迭代比例拟合（raking）程序生成最终权重。在最后一步中，对计算出的权重进行检查，以识别并在必要时修剪权重分布极端高端和低端的离群值。所得权重

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。