睡眠类型、日常情感与社交接触:一项生态瞬时评估研究
该数据集来自荷兰抑郁与焦虑研究(NESDA),包含 279 名参与者(49 名当前抑郁、172 名缓解期、58 名健康对照),连续两周每天五次通过生态瞬时评估(EMA)记录日常积极情感、消极情感与社交接触(独处或与他人在一起)

基本信息
资源简介
睡眠类型、日常情感与社交接触:一项生态瞬时评估研究
Chronotype, daily affect and social contact: An ecological momentary assessment study
该数据集来自荷兰抑郁与焦虑研究(NESDA),包含 279 名参与者(49 名当前抑郁、172 名缓解期、58 名健康对照),连续两周每天五次通过生态瞬时评估(EMA)记录日常积极情感、消极情感与社交接触(独处或与他人在一起)。数据可用于分析睡眠类型(晚睡型)与日常情感、社交接触之间的关联,并考察社交隔离在睡眠类型与情感关系中的潜在作用,适用于纵向情感动态与抑郁相关研究(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):晚睡型与较低的日常积极情感(PA)相关。然而,文献中消极情感(NA)与睡眠类型之间的关系较不一致。晚睡型可能进一步以社交隔离增加为特征,这或许能解释睡眠类型与 PA/NA 之间的关联。在本项纵向研究中,我们使用生态瞬时评估(EMA)来考察当前和缓解期重性抑郁障碍(MDD)个体及健康对照中睡眠类型与日常 PA、NA 和社交接触的关联。作为荷兰抑郁与焦虑研究(NESDA)的一部分,279 名参与者(n = 49 抑郁,n = 172 缓解,n = 58 对照)在两周内每天五次监测日常 PA、NA 和社交接触(即独处 vs. 与他人在一起)。总体而言,晚睡型与较少的社交接触相关。这一效应
【主题与分类】
主题标签:Social Sciences、Depression、Eveningness、Positive affect、Negative affect、EMA。本站分类:精神与行为障碍。
【获取与许可】
源站页面:https://dataverse.nl/citation?persistentId=doi:10.34894/ZZ6JX3
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/10.34894/ZZ6JX3
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
晚睡型与较低的日常积极情感相关。然而,文献中消极情感与昼夜节律类型之间的关系较不一致。晚睡型可能还以社交隔离增加为特征,这或许能解释昼夜节律类型与积极情感/消极情感之间的关联。在本项纵向研究中,我们采用生态瞬时评估,考察了当前患有和已缓解重性抑郁障碍的个体以及健康对照者中,昼夜节律类型与日常积极情感、消极情感及社交接触之间的关联。作为荷兰抑郁与焦虑研究的一部分,279名参与者(n = 49名抑郁者,n = 172名缓解者,n = 58名对照者)在两周内每天五次监测日常积极情感、消极情感和社交接触(即独处还是与他人在一起)。总体而言,晚睡型与较少的社交接触相关。然而,在控制社会人口学变量(性别、年龄、教育程度、居住情况)后,这一效应变得不显著。昼夜节律类型与积极情感或消极情感无关。较少的社交接触与较低的积极情感和较高的消极情感相关,且独立于昼夜节律类型。
总之,我们未能重现晚睡型人群日常体力活动较低这一发现,但发现社交接触与日常体力活动和消极情感均有关联。
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




