述情障碍作为症状过度报告潜在来源

数据集获取

源站：https://doi.org/10.34894/EW9JXQ

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

症状过度报告的传统解释是，它表明了装病。我们探索了一个不同的视角，即过度报告异常症状与表达内在体验（即述情障碍）的缺陷有关。鉴于述情障碍与睡眠问题有关，且疲劳可能加剧对症状清单的不专注反应，我们对法医精神病门诊患者（n = 40）和非法医参与者（n = 40）进行了述情障碍（TAS-20）和症状过度报告（SIMS）的测量，同时也测量了睡眠质量（SLEEP-50）。法医患者在三个指标上的得分均显著高于非法医参与者。在总样本及子样本中，过度报告与述情障碍呈显著正相关，相关系数r在.50至.65之间。睡眠问题也与过度报告相关，但在全样本和法医子样本中，述情障碍在预测过度报告方面的变异超过了睡眠问题。尽管我们的研究本质上是横断面的，但其结果表明，述情障碍作为过度报告的一个潜在来源，值得进行系统性研究。

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。