CAN-STRESS

CAN-STRESS数据集是由亚利桑那州立大学和华盛顿州立大学合作收集的实际应用数据集，包含82名参与者的生理测量数据，如皮肤电导、心率、皮肤温度等。这些数据是在参与者日常生活中的全天内使用Empatica E4手环收集的。数据集还包括自我报告的调查，记录了参与者使用大麻、锻炼和感知压力的时刻。该数据集是研究大麻对压力及其相关生理标志影响的重要资源，适用于探索压力生物标志物、分析大麻消费的生理效应以及开发先进的信号处理算法等研究应用。

The CAN-STRESS dataset is a real-world application dataset jointly collected by Arizona State University and Washington State University. It contains physiological measurement data from 82 participants, including skin conductance, heart rate, skin temperature, and other related metrics. All data were collected using Empatica E4 wristbands over the full daily period of the participants' lives. The dataset also includes self-reported surveys that document instances of cannabis use, exercise, and perceived stress among participants. As a critical resource for studying the impact of cannabis on stress and its associated physiological markers, this dataset supports research applications such as exploring stress biomarkers, analyzing the physiological effects of cannabis consumption, and developing advanced signal processing algorithms.

搜集汇总

数据集介绍

构建方式

CAN-STRESS数据集通过Empatica E4腕带设备采集了82名参与者（39名大麻使用者和43名非使用者）在日常生活中的生理数据，包括皮肤电导、心率、皮肤温度等多模态信号。数据收集过程中，参与者需连续佩戴设备24小时，并同步填写自我报告问卷，记录大麻使用、运动、睡眠及压力感知等级等关键活动。严格的参与者筛选标准确保了数据的代表性和可靠性，所有数据均通过集中式网络门户存储，便于后续研究分析。

使用方法

研究者可通过Zenodo平台获取数据集，利用同步的时间戳对齐生理信号与行为标注。典型应用包括：基于监督学习构建大麻使用检测模型，采用迁移学习解决个体差异；通过对比学习框架开发标签高效的自我监督算法；结合皮质醇昼夜节律分析慢性使用对压力调节的影响。数据已预分割为标准化格式，支持直接导入TensorFlow或PyTorch进行时序分析，其真实场景特性特别适合可穿戴计算、行为医学等领域的算法验证。

背景与挑战

背景概述

CAN-STRESS数据集由华盛顿州立大学和亚利桑那州立大学的研究团队于2022年至2023年间创建，旨在探究大麻使用与压力反应的生理机制。该数据集通过Empatica E4腕带采集了82名参与者（39名大麻使用者和43名非使用者）在自然生活环境中的皮肤电导、心率和皮肤温度等多模态生理数据，并同步记录其自我报告的大麻使用、运动及压力水平。作为首个公开的大麻使用真实世界生理数据库，其创新性地突破了实验室研究的生态效度局限，为成瘾医学、健康监测和可穿戴计算领域提供了关键研究基础。

当前挑战

该数据集需解决的核心科学挑战包括：1）在复杂环境噪声中准确识别大麻使用的生理特征模式，需克服运动伪影和环境干扰对皮肤电导等信号的影响；2）构建过程中面临参与者依从性管理、多模态数据时间同步、以及医疗级可穿戴设备在自由活动场景下的数据质量控制等技术难题。此外，平衡大麻使用者与非使用者的基线生理差异，以及建立主观压力评分与客观生理指标的映射关系，均为该领域尚未完全解决的关键问题。

常用场景

经典使用场景

在心理健康与物质使用研究领域，CAN-STRESS数据集通过整合可穿戴设备采集的生理数据与用户自我报告的行为日志，为探索大麻使用与压力反应的动态关联提供了真实场景下的研究范式。其经典应用体现在通过皮肤电活动（EDA）、心率变异性（HRV）等多模态生理指标，结合时间戳标记的大麻摄入事件，量化分析慢性大麻使用者在自然生活状态下的应激生理特征差异。

解决学术问题

该数据集有效解决了实验室环境难以捕捉真实场景下大麻使用与压力反应的生态效度问题。通过82名参与者的连续生理监测数据，首次实现了对‘大麻缓解压力’假说的实证检验，揭示了使用组与非使用组在皮肤导电性峰值、皮质醇昼夜节律等生物标志物的显著差异，为物质成瘾领域的神经生理机制研究提供了关键数据支撑。

实际应用

在医疗健康领域，基于该数据集开发的实时大麻使用检测算法已应用于成瘾干预系统，通过Empatica E4腕带实现高危时段的预警。公共卫生部门利用其标注的压力-大麻使用关联数据，优化了针对慢性疼痛患者的替代疗法方案。相关生理特征模型还被整合至数字疗法平台，用于个性化压力管理训练。

数据集最近研究

最新研究方向

随着全球范围内大麻合法化进程的推进，关于大麻使用对身心健康影响的研究日益受到学界关注。CAN-STRESS数据集作为当前最全面的真实世界多模态数据库，为探索大麻使用与压力反应的关联机制提供了重要研究平台。该数据集最新研究方向聚焦于三个前沿领域：基于可穿戴设备的实时大麻使用检测算法开发，通过对比使用者与非使用者的生理指标差异建立预测模型；运用自监督学习技术解决标记数据稀缺问题，提升在自然环境下大麻使用识别的泛化能力；深入分析慢性大麻使用者昼夜节律紊乱特征，揭示其与压力调节系统的复杂相互作用。这些研究不仅推动了个性化健康监测技术的发展，也为制定科学的公共卫生政策提供了实证依据。

相关研究论文

• CAN-STRESS: A Real-World Multimodal Dataset for Understanding Cannabis Use, Stress, and Physiological Responses

  亚利桑那州立大学, 华盛顿州立大学 · 2025年