five

Add Health|青少年健康数据集|纵向研究数据集

收藏
www.cpc.unc.edu2024-10-31 收录
青少年健康
纵向研究
下载链接:
https://www.cpc.unc.edu/projects/addhealth
下载链接
链接失效反馈
资源简介:
Add Health(全称为National Longitudinal Study of Adolescent to Adult Health)是一个纵向研究项目,旨在调查青少年健康及其向成年期的过渡。该数据集包含超过20,000名参与者的多波次调查数据,涵盖健康行为、社会关系、心理健康等多个方面。
提供机构:
www.cpc.unc.edu
AI搜集汇总
数据集介绍
main_image_url
构建方式
Add Health数据集的构建基于一项名为'青少年健康纵向研究'的全国性调查,该调查始于1994年,旨在探讨青少年健康与社会环境之间的关系。数据收集过程包括多阶段的抽样设计,首先从美国各州随机抽取学校,然后从选定的学校中随机抽取学生。此外,还通过家庭访谈和学校记录补充了学生的社会经济背景和健康行为数据。
使用方法
Add Health数据集适用于多种研究目的,包括但不限于健康行为分析、社会网络研究、教育成果预测等。研究者可以通过访问数据集的官方网站获取详细的使用指南和数据访问权限。在使用过程中,建议结合具体研究问题选择合适的数据子集,并采用适当的统计方法进行分析,以确保研究结果的科学性和可靠性。
背景与挑战
背景概述
Add Health数据集,全称为'National Longitudinal Study of Adolescent to Adult Health',是由美国国家卫生研究院(NIH)资助的一项纵向研究项目,始于1994年。该数据集由北卡罗来纳大学教堂山分校的William R. Harrell教授及其团队主导,旨在探讨青少年时期的社会、心理、行为及生物学因素如何影响成年后的健康与福祉。Add Health通过多层次的调查方法,收集了来自美国各地的数万名青少年的详细数据,涵盖了家庭、学校、社区等多个层面。这一数据集不仅为公共卫生、社会学、心理学等多个学科提供了宝贵的研究资源,还对政策制定和社会干预措施的评估产生了深远影响。
当前挑战
Add Health数据集在构建过程中面临了多重挑战。首先,数据的纵向性质要求在长达数十年的时间内保持样本的连续性和代表性,这需要克服样本流失和数据更新的难题。其次,数据的多层次结构增加了数据整合和分析的复杂性,研究人员需处理不同来源和类型的数据,确保其一致性和可靠性。此外,隐私保护和数据安全也是一大挑战,特别是在涉及个人健康信息的情况下,如何平衡数据开放与隐私保护成为关键问题。最后,数据集的广泛应用也带来了方法论上的挑战,研究人员需不断更新分析技术,以应对日益复杂的科学问题。
发展历史
创建时间与更新
Add Health数据集创建于1994年,是美国国家青少年健康纵向研究(National Longitudinal Study of Adolescent to Adult Health)的产物。该数据集自创建以来,经历了多次更新,最近一次主要更新是在2018年,涵盖了从青少年到成年的长期健康和行为数据。
重要里程碑
Add Health数据集的重要里程碑包括其在1994年的首次收集,这一阶段主要关注青少年的健康和行为。随后,在2001年和2008年,数据集进行了两次重大扩展,分别增加了成年早期的数据和更深入的社会网络分析。2018年的更新进一步丰富了数据内容,包括了更多的生物医学指标和社会经济变量,使其成为研究青少年成长和健康转变的重要资源。
当前发展情况
当前,Add Health数据集已成为社会科学、公共卫生和医学研究领域的重要工具。它不仅提供了丰富的个体层面数据,还通过纵向设计,揭示了青少年时期的行为和健康状况如何影响成年后的生活质量。该数据集的持续更新和扩展,使其在研究青少年健康、教育、社会网络和公共卫生政策制定中发挥了关键作用,推动了相关领域的理论和实践发展。
发展历程
  • Add Health数据集首次启动,作为美国国家青少年健康纵向研究项目的一部分,旨在研究青少年健康与社会环境的关系。
    1994年
  • Add Health数据集完成了第一波数据收集,涵盖了美国各地的12,000多所学校和90,000多名学生。
    1995年
  • Add Health数据集完成了第二波数据收集,进一步扩展了研究的时间跨度和数据深度。
    2001年
  • Add Health数据集完成了第三波数据收集,继续追踪受访者的健康和社会行为变化。
    2008年
  • Add Health数据集完成了第四波数据收集,标志着该数据集的长期纵向研究达到了新的里程碑。
    2016年
常用场景
经典使用场景
Add Health数据集在社会科学领域中被广泛用于研究青少年发展及其社会环境的影响。该数据集通过大规模的纵向调查,收集了从1994年到2008年间超过20,000名青少年的详细信息,包括他们的健康行为、家庭背景、学校环境和社会网络。这些数据为研究者提供了丰富的资源,用以探讨青少年健康、教育和社会行为的动态变化及其相互关系。
解决学术问题
Add Health数据集解决了多个重要的学术研究问题,特别是在青少年健康和发展的领域。通过该数据集,研究者能够深入分析青少年健康行为(如吸烟、饮酒和药物使用)与社会环境(如家庭结构、学校氛围和社区支持)之间的复杂关系。此外,该数据集还为研究青少年心理健康、性别角色和性行为提供了宝贵的数据支持,推动了相关领域的理论和实证研究。
实际应用
在实际应用中,Add Health数据集被广泛用于政策制定和干预项目的设计。例如,公共卫生部门利用该数据集分析青少年健康行为的风险因素,从而制定针对性的健康教育策略。教育机构则通过分析学校环境对学生学业成绩和行为的影响,优化教育资源配置和教学方法。此外,社会服务机构也利用该数据集评估不同社区支持系统对青少年发展的影响,以改进社会服务项目。
数据集最近研究
最新研究方向
在社会科学领域,Add Health数据集近期研究聚焦于青少年健康与社会环境的交互影响。研究者们深入探讨了家庭、学校和社区环境对青少年心理健康、行为模式及未来发展的长期效应。通过纵向数据分析,揭示了社会支持网络在青少年成长过程中的关键作用,以及如何通过政策干预优化这些环境因素,从而促进青少年的全面健康发展。这些研究不仅为公共卫生政策制定提供了科学依据,也为教育和社会服务领域的实践提供了重要参考。
相关研究论文
  • 1
    The National Longitudinal Study of Adolescent to Adult Health (Add Health)University of North Carolina at Chapel Hill · 1994年
  • 2
    Social Networks and Health: A Life Course PerspectiveUniversity of North Carolina at Chapel Hill · 2015年
  • 3
    The Influence of Family Structure on Adolescent Sexual Behavior: Evidence from the Add Health StudyUniversity of North Carolina at Chapel Hill · 2010年
  • 4
    The Role of Peer Influence in Adolescent Substance Use: A Study Using the Add Health DataUniversity of North Carolina at Chapel Hill · 2012年
  • 5
    Longitudinal Patterns of Physical Activity and Sedentary Behavior in Adolescents: The Add Health StudyUniversity of North Carolina at Chapel Hill · 2017年
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

PCLT20K

PCLT20K数据集是由湖南大学等机构创建的一个大规模PET-CT肺癌肿瘤分割数据集,包含来自605名患者的21,930对PET-CT图像,所有图像都带有高质量的像素级肿瘤区域标注。该数据集旨在促进医学图像分割研究,特别是在PET-CT图像中肺癌肿瘤的分割任务。

arXiv 收录

YOLO Drone Detection Dataset

为了促进无人机检测模型的开发和评估,我们引入了一个新颖且全面的数据集,专门为训练和测试无人机检测算法而设计。该数据集来源于Kaggle上的公开数据集,包含在各种环境和摄像机视角下捕获的多样化的带注释图像。数据集包括无人机实例以及其他常见对象,以实现强大的检测和分类。

github 收录

Plant-Diseases

Dataset for Plant Diseases containg variours Plant Disease

kaggle 收录

OpenSonarDatasets

OpenSonarDatasets是一个致力于整合开放源代码声纳数据集的仓库,旨在为水下研究和开发提供便利。该仓库鼓励研究人员扩展当前的数据集集合,以增加开放源代码声纳数据集的可见性,并提供一个更容易查找和比较数据集的方式。

github 收录

Subway Dataset

该数据集包含了全球多个城市的地铁系统数据,包括车站信息、线路图、列车时刻表、乘客流量等。数据集旨在帮助研究人员和开发者分析和模拟城市交通系统,优化地铁运营和乘客体验。

www.kaggle.com 收录