PHDCN：儿童行为量表（CBCL）第一波数据，1994-1997
该数据集来自芝加哥邻里人类发展项目（PHDCN）的纵向队列研究，覆盖1994至1997年第一波调查中随机选取的儿童、青少年及其主要照护者
基本信息
资源简介
PHDCN：儿童行为量表（CBCL）第一波数据，1994-1997
Project on Human Development in Chicago Neighborhoods (PHDCN): Child Behavior Checklist, Wave 1, 1994-1997
该数据集来自芝加哥邻里人类发展项目（PHDCN）的纵向队列研究，覆盖1994至1997年第一波调查中随机选取的儿童、青少年及其主要照护者。数据包含儿童行为量表（CBCL）测量，用于评估个体差异以及家庭、同伴和学校影响，可支持对攻击、焦虑、抑郁、情绪与行为问题及反社会行为发展轨迹的分析（来源 DOI 解析）。
【数据集背景】
源站首次发布：2005。
【数据内容】
源站描述（机器翻译，仅供参考）：芝加哥邻里人类发展项目（PHDCN）是一项大规模、跨学科的研究，考察家庭、学校和邻里如何影响儿童与青少年的发展。PHDCN的一个组成部分是纵向队列研究，它是一系列协调开展的纵向研究，随时间追踪超过6000名随机选取的儿童、青少年和年轻成人及其主要照护者，以考察他们生活境况的变化以及可能使他们趋向或远离各种反社会行为的个人特征。研究对受访者施测了大量测量工具，以评估人类发展的各个方面，包括个体差异以及家庭、同伴和学校的影响。构成纵向队列研究的测量工具之一是儿童行为量表（CBCL）。CBCL p
【主题与分类】
主题标签：adolescents、aggression、anxiety、behavior problems、child development、childhood、delinquent behavior、depression (psychology)、emotional problems、neighborhoods。本站分类：精神与行为障碍。
【获取与许可】
源站页面：https://www.icpsr.umich.edu/web/NACJD/studies/13582
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/10.3886/icpsr13582
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
芝加哥社区人类发展项目（PHDCN）是一项大规模、跨学科的研究，旨在探讨家庭、学校和社区如何影响儿童和青少年的发展。PHDCN的一个组成部分是纵向队列研究，这是一系列协调一致的纵向研究，追踪了超过6000名随机选取的儿童、青少年和年轻成年人及其主要照顾者，以考察他们生活中不断变化的环境以及可能导致他们走向或远离各种反社会行为的个人特征。研究人员对受访者实施了多种测量工具，以评估人类发展的各个方面，包括个体差异以及家庭、同伴和学校的影响。构成纵向队列研究的测量工具之一是儿童行为量表（CBCL）。CBCL问卷由父母或主要照顾者填写，最初由Thomas M.开发。
Achenbach编制，一直是儿童心理学中用于评估2至3岁学龄前受试者或4至18岁受试者适应不良行为与情绪问题的最广泛使用的标准化测量工具之一。CBCL的PHDCN版本施测于纵向队列研究中第3、6、9、12和15队列受试者的主要照护者，评估内化行为（即焦虑、抑郁和过度控制）与外化行为（即攻击、多动、不服从和低控制）。测量涵盖若干子领域，包括退缩、躯体主诉、焦虑与抑郁、破坏行为、社交问题、思维问题、注意问题、攻击行为和违法行为。
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。
