跨性别青少年的心理脆弱性：描述性流行病学研究
该数据集来自 clinicaltrials.gov，聚焦跨性别青少年的心理脆弱性，属于描述性流行病学研究。源站描述指出，近十年来进入跨性别认同历程的青少年数量快速增加，但法国医学界对这些青少年特殊性的了解仍然不足
基本信息
资源简介
跨性别青少年的心理脆弱性：描述性流行病学研究
该数据集英文名为 Psychological Vulnerabilities and Transgender Adolescents: A Descriptive Epidemiology Study，来源于 clinicaltrials.gov，在本站归类于精神与行为障碍 / 其他，主题标签为 Gender Dysphoria 与 Adolescent。这是一项描述性流行病学研究，聚焦跨性别青少年的心理脆弱性问题。源站描述指出，近十年来进入跨性别认同历程的青少年数量快速增加，但法国医学界对这些青少年特殊性的了解仍然不足。研究的目标是加深那些会接触到这类青少年的各类医疗服务提供者的认识，并更具体地考察心理脆弱性这一范畴，例如抑郁、焦虑障碍和进食障碍等，这些障碍都会在日常生活中造成痛苦与困难。更好地了解不同类型脆弱性在跨性别青少年中的存在与否及其分布，有助于促进对其的筛查。
【数据集背景】
该数据集对应的研究关注跨性别青少年群体。源站描述提到，过去十年间进入跨性别认同历程的青少年数量增长迅速，而法国医学界对这些青少年特殊性的认识仍显不足。研究提出的背景在于，医疗服务提供者在实际工作中会接触到这类青少年，因此需要更完善的 knowledge 基础来支持他们的工作。研究将心理脆弱性作为重点考察对象，列举了抑郁、焦虑障碍与进食障碍等类型，指出这些障碍会造成痛苦并影响日常生活。研究的总体目标是细化相关医疗服务提供者的认识，并通过了解各类心理脆弱性在跨性别青少年中的存在情况与分布，推动筛查工作。
【数据内容】
源站描述涉及的研究条件为 Gender Dysphoria 与 Adolescent。研究内容围绕心理脆弱性展开，具体包括抑郁、焦虑障碍和进食障碍等类型，关注这些脆弱性在跨性别青少年中的存在或缺失以及分布情况。数据集的具体变量、样本量、观测指标与数据结构，源站未提供。
【采集与来源】
该数据集来源站为 clinicaltrials.gov。源站描述提及研究在法国开展，并指出法国医学界对该群体特殊性的了解仍然不足。关于具体的采集方法、招募方式、数据收集时间范围与机构信息，源站未提供。
【适用场景】
依据源站描述，该研究旨在帮助会接触到跨性别青少年的各类医疗服务提供者加深认识，并促进对抑郁、焦虑障碍、进食障碍等心理脆弱性的筛查。因此，其适用场景可围绕医疗与精神卫生服务中对跨性别青少年心理脆弱性的识别与筛查需求展开。其他具体应用场景，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站描述指出，法国医学界对跨性别青少年特殊性的了解仍然不足，这构成了该研究试图回应的知识缺口。关于数据集本身的质量评估、样本代表性、偏倚控制与使用限制，源站未提供。
【引用与许可】
源站未提供。
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/NCT05126134
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
条件：性别烦躁，青少年。过去十年来，踏上跨性别身份旅程的青少年人数迅速增加。然而，法国医学界对这些青少年的特殊性了解仍然太少。本研究旨在完善接诊这些青少年的各类医疗保健提供者的知识。本研究提议更具体地研究心理脆弱性登记：仅举几例，这些包括抑郁症、焦虑障碍和进食障碍等障碍，所有这些都会在日常生活中造成痛苦和困难。更好地了解跨性别青少年中这些不同类型脆弱性的存在与否及其分布，除其他外，将有助于促进医疗保健提供者对它们的筛查。这种更好的筛查将使医生能够在过渡过程的同时，针对这些障碍提供有针对性的治疗。过渡过程。
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。
