GLOW：性别肯定照护与心理健康：生活质量、工作生活及医疗结局的纵向研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07480590

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

条件：性别烦躁，成人。GLOW研究是一项纵向调查，旨在评估性别肯定医疗对瑞典确诊性别烦躁个体福祉的影响。该研究以跨学科框架为基础，采用混合方法，将定量登记数据、纵向自我评估与深入定性访谈相结合。这一设计有助于理解性别肯定医疗在医学、心理和社会层面的情况，超越横断面研究的局限。该项目依托林雪平和斯科讷地区国家高度专业化医疗（NHV）单元开展，确保参与者数据收集标准化和临床程序统一。因此，该研究受益于稳定的临床基础设施，并能可靠地接触到接受性别肯定评估和治疗的多样的队列。此外，国家健康与人口登记系统为长期随访提供了广泛数据，包括医疗服务利用、处方记录、社会经济指标和死亡率数据。GLOW致力于协作式研究实践。

该项目积极吸纳关键利益相关者参与，包括医疗专业人员、政策制定者以及Transammans和RFSL等患者倡导团体。他们的意见确保研究始终契合现实临床需求与社区优先事项，从而增强其相关性。本研究在概念上以生物心理社会模型为锚点，并借鉴少数群体压力理论、自我概念清晰理论和性别肯定理论。这些框架支持探讨社会压力源、身份发展以及获得肯定性照护的机会如何相互作用，从而塑造心理健康轨迹。这一理论整合为解读治疗反应和生活质量结局的变异性提供了坚实基础。将采用统计建模来补充传统分析，提供概率性解释

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。