威斯康星纵向研究，1957-2022
威斯康星纵向研究（WLS）是对1957年毕业于威斯康星州高中的10,317名男女随机样本的长期追踪研究，覆盖从青春期晚期到2025年的生命历程、代际转移与关系、家庭功能、身心健康与福祉以及发病和死亡情况
基本信息
资源简介
威斯康星纵向研究，1957-2022
Wisconsin Longitudinal Study, 1957-2022
威斯康星纵向研究（WLS）是对1957年毕业于威斯康星州高中的10,317名男女随机样本的长期追踪研究，覆盖从青春期晚期到2025年的生命历程、代际转移与关系、家庭功能、身心健康与福祉以及发病和死亡情况。数据还涉及社会背景、青年志向、学校教育、兵役、劳动力市场经历、家庭特征与事件、社会参与、心理特征和退休。调查数据来自原始受访者、其父母、选定的兄弟姐妹及配偶，可用于研究老龄化、认知与阿尔茨海默病相关结局、健康与就业等长期预测问题（来源 DOI 解析）。
【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）：威斯康星纵向研究（WLS）是对1957年毕业于威斯康星州高中的10,317名男女随机样本的一项长期研究。WLS为研究从青春期晚期到2025年的生命历程、代际转移与关系、家庭功能、身心健康与福祉以及发病和死亡提供了机会。WLS数据还涵盖社会背景、青年志向、学校教育、兵役、劳动力市场经历、家庭特征与事件、社会参与、心理特征和退休。调查数据收集自原始受访者（毕业生）于1957、1964、1975、1992、2004、2011、2020和2022年；其父母于1957和1964年；选定的兄弟姐妹于1977、1994、2005、2011、2020和2022年；原始受访者的配偶于2004年；以及
【主题与分类】
主题标签：income、education、midlife、cognition、work、family relationships、health、employment、households、social life。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://www.icpsr.umich.edu/web/ICPSR/studies/6163
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://doi.org/10.3886/icpsr6163
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
威斯康星纵向研究（WLS）是一项长期研究，随机抽取了1957年从威斯康星州高中毕业的10，317名男女作为样本。WLS为研究生命历程、代际传递与关系、家庭功能、身心健康与福祉，以及从青春期后期至2025年的发病率和死亡率提供了机会。WLS数据还涵盖社会背景、青年时期的志向、学校教育、兵役经历、劳动力市场经历、家庭特征与事件、社会参与、心理特征及退休情况。调查数据分别于1957年、1964年、1975年、1992年、2004年、2011年、2020年和2022年从原始受访者（毕业生）处收集；于1957年和1964年从其父母处收集；于1977年、1994年、2005年、2011年、2020年和2022年从选定的兄弟姐妹处收集；于2004年从原始受访者的配偶处收集；于2006年从选定兄弟姐妹的配偶处收集。
在ILIAD研究（MPIS：Sanjay Asthana、Michal Engelman和Pamela Herd）中，针对毕业生及其兄弟姐妹的认知功能数据收集工作于2020年启动，旨在在该队列步入80岁之际测量阿尔茨海默病及相关痴呆（ADRD）的风险与韧性。2020年和2022年的数据已发布，2025年和2027年波次的数据即将发布。WLS还具有广泛的行政数据链接，包括与1940年和1950年人口普查、社会保障记录、投票参与以及Medicare理赔数据的链接。
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。
