学校韧性建设:创伤性应激的情绪与生物学评估及治疗
该数据集来自 clinicaltrials.gov,聚焦波多黎各教育者与学龄儿童在经历飓风、地震、疫情等连续灾害后出现的倦怠、疲劳与高压力问题

基本信息
资源简介
学校韧性建设:创伤性应激的情绪与生物学评估及治疗
该数据集来自 clinicaltrials.gov,聚焦波多黎各教育者与学龄儿童在经历飓风、地震、疫情等连续灾害后出现的倦怠、疲劳与高压力问题。研究考察两种治疗条件,包括面向教育者的正念课程以及针对儿童的相关干预,涉及创伤后应激障碍、复杂性创伤后应激障碍、压力、倦怠与心理健康问题等主题。数据可用于心理健康干预评估、创伤应激相关研究及教育系统心理支持策略分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:创伤后应激障碍、复杂性创伤后应激障碍、压力、倦怠、心理健康问题。仅在过去四年中,波多黎各居民就经历了一系列自然灾害,包括2017年的飓风Maria、2019年和2020年的地震、2020至2022年持续的新冠疫情,以及最近的飓风Fiona。这一系列令人痛苦的事件可能导致对心理健康资源和创伤治疗的需求增加。此外,波多黎各教育系统独特的单一学区结构使得潜在干预和治疗能够高效地传播给所有学生。本研究的目的是考察针对波多黎各经历倦怠、疲劳和高压力的教育者和学龄儿童的两种治疗条件:基于正念的教育者课程的实施,以及针对儿童的
【主题与分类】
主题标签:Post Traumatic Stress Disorder、Complex Posttraumatic Stress Disorder、Stress、Burn Out、Mental Health Issue。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05701111
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://clinicaltrials.gov/study/NCT05701111
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
研究条件:创伤后应激障碍、复杂性创伤后应激障碍、压力、职业倦怠、心理健康问题。仅在过去四年中,波多黎各居民就经历了一系列自然灾害,包括2017年的飓风玛丽亚、2019年和2020年的地震、2020至2022年持续的新冠疫情,以及最近的飓风菲奥娜。这一系列令人痛苦的事件可能导致对心理健康资源和创伤治疗的需求增加。此外,波多黎各教育系统独特的单一学区结构使得潜在干预措施和治疗能够高效地推广至所有学生。本研究旨在考察针对波多黎各经历职业倦怠、疲劳和高压力的教育工作者及学龄儿童的两种治疗条件:为教育工作者提供基于正念的课程,以及对于报告有创伤后应激障碍(PTSD)症状的儿童,在提供正念课程的同时附加线索中心疗法(CCT)干预。
本研究有两个目的:1)评估正念课程和CCT在学生、辅导员和教师群体中的有效性,该群体在过去几年中因自然灾害和疫情挑战而承受高压力;2)通过分析干预前后学生的基因表达,识别遗传因素对心理韧性的贡献。研究者研究合作的总体目标是改善教育工作者在高压力和逆境下的心理福祉以及儿童的社会情感发展,并通过CCT培训提高心理健康临床医生治疗遭受创伤儿童的能力和信心。研究者的研究将识别导致认知、行为和情感改善的关键生物心理社会组成部分,以及在一个规模庞大但地理分散的学区中有效的实施策略。本研究将产生的知识基础将为创伤知情干预的实施提供依据。
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。




