24小时运动行为与青少年心理健康 R 代码
开放获取的 R 脚本、匿名化数据集、模型诊断以及用于成分数据分析（CoDA）、预测网格模拟和等价影响曲线的复现代码。主题标签：精神与行为障碍、青少年心理健康、24小时运动行为、成分数据分析、CoDA、预测网格模拟、等价影响曲线
基本信息
资源简介
24小时运动行为与青少年心理健康 R 代码
R Code for 24-h Movement Behaviors and Adolescent Mental Health 是一份开放获取的研究资源，围绕青少年心理健康与24小时运动行为这一主题，提供可复现的分析代码与配套数据。该资源包含 R 脚本、匿名化数据集、模型诊断以及复现代码，服务于成分数据分析（CoDA）、预测网格模拟和等价影响曲线等方法。其主题标签涵盖精神与行为障碍、青少年心理健康、24小时运动行为、成分数据分析、CoDA、预测网格模拟和等价影响曲线。整体而言，该资源面向需要复现或借鉴相关分析流程的研究者，强调开放获取与可重复性，便于在青少年心理健康与运动行为研究中直接使用或改编。
【数据集背景】
该资源聚焦于青少年心理健康与24小时运动行为之间的关系研究。24小时运动行为通常涉及一天中不同活动时间的分配，而成分数据分析（CoDA）正是处理这类时间分配数据的合适方法。资源同时涉及预测网格模拟与等价影响曲线，说明其分析不仅停留在模型拟合层面，还包含对结果的模拟与影响评估。该资源托管于 osf.io，属于开放获取性质，主题归类为精神与行为障碍 / 其他。其目标在于为相关研究提供可复现的代码与数据基础，降低重复实现分析流程的门槛。
【数据内容】
该资源包含四类主要内容：开放获取的 R 脚本、匿名化数据集、模型诊断，以及用于成分数据分析（CoDA）、预测网格模拟和等价影响曲线的复现代码。R 脚本承载分析流程；匿名化数据集提供可供分析的数据基础；模型诊断用于评估模型表现；复现代码则对应 CoDA、预测网格模拟和等价影响曲线三类分析任务。关于数据集的具体样本量、变量数量、变量名称、测量工具、时间跨度、人群特征等信息，源站未提供。
【采集与来源】
该资源来源于 osf.io。关于原始数据的采集方式、采集时间、采集地点、抽样方法、伦理审批信息以及匿名化处理的具体流程，源站未提供。
【适用场景】
该资源适用于青少年心理健康与24小时运动行为相关的研究场景，尤其是需要采用成分数据分析（CoDA）处理时间分配数据的研究。它也适用于需要开展预测网格模拟或绘制等价影响曲线的分析任务。由于提供匿名化数据集与模型诊断，该资源可用于复现既有分析、检验分析流程的稳健性，或作为方法学教学的参考材料。关于其在临床诊断、政策制定或干预设计中的具体适用性，源站未提供。
【使用方法】
使用者可借助开放获取的 R 脚本对匿名化数据集进行分析，并依据复现代码完成成分数据分析（CoDA）、预测网格模拟和等价影响曲线等任务。模型诊断部分可用于检查模型拟合与假设满足情况。关于运行环境、R 版本、依赖包、运行顺序、参数设置及预期输出等具体操作细节，源站未提供。
【质量与限制】
该资源提供模型诊断，有助于评估分析质量。作为开放获取资源，其代码与数据可供检查与复用。关于数据集的样本代表性、缺失数据情况、测量效度、模型诊断的具体结果以及任何已知偏差，源站未提供。
【引用与许可】
该资源为开放获取。关于具体的引用格式、作者信息、版本号、发布日期以及许可协议类型，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
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
Open-access R scripts, anonymized dataset, model diagnostics, and reproduction code for compositional data analysis (CoDA), predictive grid simulation, and equivalence impact curves.
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。
