带学习效应的装配线平衡问题数据集

数据集获取（Figshare）

• 源站标题：Studies included and excluded.
• DOI：10.1371/journal.pone.0318302.s002
• 发布日期：2025-04-03
• 文件数：1 个
• 文件总体积：108.99 KB
• 源站页面：https://plos.figshare.com/articles/dataset/Studies_included_and_excluded_/28725625

命令行下载

curl -L -o "pone.0318302.s002.xlsx" "https://ndownloader.figshare.com/files/53403070"

文件清单

• pone.0318302.s002.xlsx（108.99 KB）

文件总体积 108.99 KB（源站 API 实测）。

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。

数据说明

背景
平衡评估系统测试（BESTest）及其两个简版——Mini-BESTest和Brief-BESTest——用于评估平衡控制系统的功能。其在不同人群中的信度仍有待确定。目的
本研究遵循信度泛化程序，以估计BESTest、Mini-BESTest和Brief-BESTest的平均内部一致性以及评定者间和评定者内信度。在本研究中，评估了每种工具中信度系数的异质性。如果异质性显著，则进行调节变量分析，以确定解释这种变异性的特征。方法
对PubMed、Embase、PsycINFO、Web of Science、Scopus和CINAHL数据库进行了检索，截止日期为2024年2月10日。两名评价者独立筛选了以英文或西班牙文发表、应用BESTest、Mini-BESTest和/或Brief-BESTest并报告了任何信度系数和/或基于现有数据的内部一致性的实证研究。结果
64项研究报告了BESTest、Mini-BESTest和/或Brief-BESTest评分的任何信度估计（N = 5225名参与者）。

Mini-BESTest和Brief-BESTest的平均Cronbach α（总分 = 0.92），表明估计的内部一致性无变异。同样，BESTest（ICC = 0.97；0.94）、Mini-BESTest（ICC = 0.95；0.94）和Brief-BESTest（ICC = 0.96；0.95）的评定者间和评定者内平均一致性也未出现变异。平均得分、得分标准差、平均年龄、性别、人群类型、平均病史、疾病、评定者经验、评定者数量、评定者构成、研究所在洲及设计类型，与BESTest及两个简版量表的ICC和/或Cronbach α均呈现统计学显著关系。结论
BESTest、Mini-BESTest和Brief-BESTest所获得的平均组内相关系数和Cronbach α显示出极佳的评定者间和评定者内信度及内部一致性。三个量表所获得的平均信度足以适用于不同人群的平衡问题筛查。一些连续变量和分类

许可

CC BY 4.0

引用

学术使用请引用 DOI 10.1371/journal.pone.0318302.s002（source: https://plos.figshare.com/articles/dataset/Studies_included_and_excluded_/28725625）。