突破冷漠共同行动(SABA)
该数据集来自荷兰的参与式行动研究项目SABA,围绕养老院痴呆症患者的冷漠问题开发心理社会干预。数据包括三个阶段访谈的主题指南:第一阶段收集患者、非正式与正式照护者对冷漠及帮助需求的看法;第二阶段在首次COVID-19封锁期间访谈正式照护者,了解封锁措施对冷漠的影响;第三阶段试点后进行过程评估,访谈非

基本信息
资源简介
突破冷漠共同行动(SABA)
Shared Action for Breaking through Apathy (SABA)
该数据集来自荷兰的参与式行动研究项目SABA,围绕养老院痴呆症患者的冷漠问题开发心理社会干预。数据包括三个阶段访谈的主题指南:第一阶段收集患者、非正式与正式照护者对冷漠及帮助需求的看法;第二阶段在首次COVID-19封锁期间访谈正式照护者,了解封锁措施对冷漠的影响;第三阶段试点后进行过程评估,访谈非正式与正式照护者。自2024年起还加入定性分析的编码与主题列表。可用于痴呆症冷漠干预的质性研究与方法学参考(来源 DOI 解析)。
【数据集背景】
源站首次发布:2022。
【数据内容】
源站描述(机器翻译,仅供参考):在一个行动研究项目中,SABA心理社会干预是与荷兰养老院中的痴呆症患者及其非正式和正式照护者共同开发的。为此,通过(焦点小组)访谈收集人们对冷漠的看法以及他们在帮助痴呆症和冷漠患者方面的需求信息。这些访谈的主题指南已上传(第一阶段)。在首次COVID-19封锁期间,我们通过访谈正式照护者收集了封锁措施对痴呆症患者冷漠影响的信息。这些访谈的主题指南已上传(第二阶段)。此后,进行了一项试点,随后进行了过程评估,为此访谈了非正式和正式照护者。主题指南已上传(第三阶段)。此外,自2024年起,还添加了定性分析的编码和主题列表。
【主题与分类】
主题标签:Medicine, Health and Life Sciences、Social Sciences、apathy (pubmed MESH term)、psychosocial intervention、dementia、nursing home (pubmed MESH term)、action research (pubmed MESH term)。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://lifesciences.datastations.nl/citation?persistentId=doi:10.17026/DANS-2BV-VBVX
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-2BV-VBVX
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
在一项行动研究项目中,心理社会干预方案SABA是与荷兰养老院中的痴呆症患者及其非正式和正式照护者共同开发的。为此,通过(焦点小组)访谈收集信息,了解人们对淡漠的看法以及他们在帮助痴呆症伴淡漠患者方面的需求。这些访谈的主题指南已上传(第一阶段)。在第一次COVID-19封锁期间,我们通过访谈正式照护者,收集了封锁措施对痴呆症患者淡漠影响的信息。这些访谈的主题指南已上传(第二阶段)。此后,进行了一项试点研究,随后进行了过程评估,为此访谈了非正式和正式照护者。主题指南已上传(第三阶段)。此外,自2024年起,还增加了定性分析的编码和主题列表。针对(非)正式照护者的心理社会干预方案的开发、试点和评估,旨在减少荷兰养老院中痴呆症患者的淡漠。
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。




