Next Steps:多基因指数与主成分,2022-2023:特别许可访问
Next Steps(又称英格兰青年纵向研究(LSYPE1))是一项重要的纵向队列研究,追踪约 16000 名具有全国代表性的群体,这些人在 2004 年就读于英格兰公立和独立学校的九年级,为 1989-90 年出生的队列

基本信息
资源简介
Next Steps:多基因指数与主成分,2022-2023:特别许可访问
Next Steps(又称英格兰青年纵向研究(LSYPE1))是一项重要的纵向队列研究,追踪约 16000 名具有全国代表性的群体,这些人在 2004 年就读于英格兰公立和独立学校的九年级,为 1989-90 年出生的队列
Next Steps: Polygenic Indices and Principal Components, 2022-2023: Special Licence Access
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):Next Steps(又称英格兰青年纵向研究(LSYPE1))是一项重要的纵向队列研究,追踪约 16000 名具有全国代表性的群体,这些人在 2004 年就读于英格兰公立和独立学校的九年级,为 1989-90 年出生的队列。该研究的前七轮调查每年进行一次(2004-2010 年),当时研究由教育部(DfE)资助和管理。研究主要关注青年的教育和早期劳动力市场经历。2015 年,Next Steps 重新启动,由伦敦大学学院教育与社会学院(IOE)的纵向研究中心(CLS)管理,并由经济与社会研究理事会资助。Next Steps 25 岁调查旨在增进对当今成长起来的年轻人生活以及离开教育和进入劳动力市场过渡的理解。
【主题与分类】
主题标签:Next Steps、LSYPE1、纵向队列研究、多基因指数、主成分、阿尔茨海默病、神经系统疾病。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://datacatalogue.ukdataservice.ac.uk/studies/study/9438#doi
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://doi.org/10.5255/ukda-sn-9438-2
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
下一步(又称英格兰青年纵向研究(LSYPE1))是一项重要的纵向队列研究,追踪了约16,000名具有全国代表性的群体,他们在2004年时就读于英格兰的公立和独立学校的九年级,这一队列出生于1989-90年。
该研究的前七轮调查每年进行一次(2004-2010年),当时由教育部(DfE)资助和管理。研究主要关注年轻人的教育和早期劳动力市场经历。
2015年,下一步研究重新启动,由伦敦大学学院教育与社会学院(IOE)的纵向研究中心(CLS)管理,并由经济与社会研究理事会资助。
“下一步”25岁调查旨在增进对当今成长起来的年轻人生活以及从教育过渡到成年早期生活的了解。
“下一步”32岁调查于2022年4月至2023年9月期间进行,是该研究的第九轮调查。32岁调查旨在为研究和政策提供关于这一代30岁出头成年人生活的数据。本轮调查还收集了队列成员生活中许多更广泛方面的信息,包括健康与福祉、政治与社会参与、身份认同与态度,以及人格、心理韧性、工作记忆和金融素养。
2019年网络调查
“下一步2019年网络调查”于2019年8月至9月期间进行,介于25岁调查和32岁调查之间。该调查由CLS开展。CLS每年开展“保持联系”活动,其中
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




