伴侣应对早期痴呆中社会支持压力缓冲假说的检验
该数据集用于检验伴侣应对早期痴呆情境下的社会支持压力缓冲假说,包含108对伴侣(共216人),每对由一名早期痴呆患者和一名照护伴侣组成,在基线和间隔一个月时接受评估

基本信息
资源简介
伴侣应对早期痴呆中社会支持压力缓冲假说的检验
Testing the stress-buffering hypothesis of social support in couples coping with earlystage dementia
该数据集用于检验伴侣应对早期痴呆情境下的社会支持压力缓冲假说,包含108对伴侣(共216人),每对由一名早期痴呆患者和一名照护伴侣组成,在基线和间隔一个月时接受评估。数据涵盖感知压力、生活质量、感知社会支持、抑郁症状、功能残疾和认知功能等变量,可采用线性混合模型和主客体互依模型分析压力与生活质量的关系及社会支持的调节作用,适用于患者与照护者个体内及伴侣间的效应研究(来源 DOI 解析)。
【数据集背景】
源站首次发布:2017。
【数据内容】
源站描述(机器翻译,仅供参考):这是一个用于检验伴侣数据中压力缓冲假说的最小数据集。目的:检验感知压力与生活质量之间的负向关系(假设1)是否可被感知社会支持在痴呆患者及照护者个体内(假设2:行动者效应)以及跨伴侣(假设3:伴侣效应和行动者-伴侣效应)所缓冲。方法:共108对伴侣(N=216人),由一名早期痴呆患者和一名照护伴侣组成,在基线和间隔一个月时接受评估。通过应用线性混合模型和行动者-伴侣互依模型研究调节效应。结果:尽管压力-生活质量关联在照护者(β=-.63,p<.001)中比患者(β=-.31,p<.001)更为明显,但该关联同样被社会支持所调节
【主题与分类】
主题标签:Social Sciences、Perceived social support、Dementia、Stress-buffering、Psychosocial support、Quality of life、Perceived distress、Depressive symptoms、Functional disability、Cognitive functioning。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://ssh.datastations.nl/citation?persistentId=doi:10.17026/DANS-XDZ-2M9M
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-XDZ-2M9M
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
这是一个用于在伴侣数据中检验压力缓冲假说的最小数据集。目的:检验在痴呆患者及其照护者个体中(假说2:行动者效应)以及跨伴侣之间(假说3:伴侣效应和行动者-伴侣效应),感知压力与生活质量之间的负向关系(假说1)是否可以被感知社会支持所缓冲。方法:共纳入108对伴侣(N=216名个体),每对由一名早期痴呆患者和一名照护伴侣组成,在基线和间隔一个月时进行评估。通过应用线性混合模型和行动者-伴侣相互依赖模型来考察调节效应。结果:尽管压力-生活质量关联在照护者中(β=-.63,p<.001)比在患者中(β=-.31,p<.001)更为明显,但这种关联在患者中(β=.14,p<.05)和在照护者中(β=.13,p<.05)同样受到社会支持的调节。从一个伴侣到其对应伴侣,伴侣缓冲效应和行动者-伴侣缓冲效应均不存在。
讨论:压力缓冲效应已在痴呆症患者和照护者中得到重复验证,但尚未在伴侣间得到验证。通过感知社会支持来提高生活质量的干预措施不仅应关注照护者,还应将双方伴侣纳入其中。
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。




