Eudaemonic bridges:跨学科方法促进职场身体健康与福祉
该数据集对应一篇研究论文,探讨紧张型头痛(TTH)出勤主义与健康相关生产力损失之间的关系机制。研究采用结构方程模型(SEM),对一项涉及78名TTH患者的随机临床试验数据进行二次分析,考察焦虑状态在其中的中介作用

基本信息
资源简介
Eudaemonic bridges:跨学科方法促进职场身体健康与福祉
Eudaemonic bridges: Using an interdisciplinary approach to foster physical health and well-being in the workplace
该数据集对应一篇研究论文,探讨紧张型头痛(TTH)出勤主义与健康相关生产力损失之间的关系机制。研究采用结构方程模型(SEM),对一项涉及78名TTH患者的随机临床试验数据进行二次分析,考察焦虑状态在其中的中介作用。数据主题涵盖出勤主义、焦虑状态、肌肉骨骼疾病、紧张型头痛及健康相关生产力损失,属于社会科学与人文领域,可用于职场健康、心理健康与生产力关系的研究(来源 DOI 解析)。
【数据集背景】
源站首次发布:2018。
【数据内容】
源站描述(机器翻译,仅供参考):论文数据集,论文题目为:焦虑与紧张型头痛严重程度中介头痛出勤主义与劳动者生产力之间的关系。——正在PLOS One修订中。摘要:本研究的主要目标是探讨紧张型头痛(TTH)出勤主义通过身体和心理健康下降而与健康相关生产力损失相关联的机制与条件。为此,使用结构方程模型(SEM)对一项涉及78名紧张型头痛(TTH)患者的随机临床试验进行了二次数据分析。结果显示,TTH出勤主义与健康相关生产力损失(无论因身体健康还是心理健康问题)没有直接关系。然而,通过焦虑状态,TTH出勤主义因身体和心理健康下降而降低了患者的生产力。
【主题与分类】
主题标签:Social Sciences、Presenteeism、Anxiety-State、Musculoskeletal disorders、Tension-Type Headache、Health-Related loss of productivity。本站分类:精神与行为障碍。
【获取与许可】
源站页面:https://ssh.datastations.nl/citation?persistentId=doi:10.17026/DANS-XQS-2VEQ
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/10.17026/DANS-XQS-2VEQ
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
本文所用数据集对应论文:《焦虑与紧张型头痛严重程度介导头痛出勤主义与劳动者生产力之间的关系》——正在《PLOS One》修订中。摘要:本研究的主要目的是探讨紧张型头痛(TTH)出勤主义与因躯体和心理健康下降导致的健康相关生产力损失之间的关系机制及条件。为此,研究采用结构方程模型(SEM),对一项纳入78名紧张型头痛(TTH)患者的随机临床试验进行了二次数据分析。结果表明,TTH出勤主义与健康相关生产力损失(无论源于躯体还是心理健康问题)并无直接关系。然而,通过焦虑状态,TTH出勤主义因躯体和心理健康下降而降低了患者的生产力。此外,通过增加紧张型头痛的严重程度,TTH出勤主义因躯体健康下降(而非心理健康下降)间接降低了患者的生产力。
最后,我们的结果表明,这类间接效应仅在紧张型头痛(TTH)的病因为非机械性(如激素原因等)时才会出现。我们的工作提供了一个整合模型,可为组织行为学家和健康专业人员(如物理治疗师)提供参考。文中还讨论了其对组织健康的意义。
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。




