变量名	                                   数据类型	说明
participant_id	                   数值型/字符型	匿名化参与者唯一标识符。用于关联同一受试者的多次干预记录，支持个体水平的重复测量分析。
age	                                                数值型	参与者的年龄。基础人口统计学变量，可用于分析不同年龄段对干预策略的敏感性差异。
occupation	                                分类型	职业类型，如 Student（学生）、Professional（职场人士）。核心分组变量，用于探究不同工作模式人群的干预效果差异。
sleep_hours_previous_night   	数值型	干预前夜的总睡眠时长（单位：小时）。衡量基线疲劳水平的关键协变量，对干预效果具有重要调节作用。
intervention_type	                        分类型	干预策略类型，取值为 Power Nap（短时小睡）或 Coffee（咖啡因摄入）。核心自变量与分组依据，直接对应两种疲劳应对策略的比较。
intervention_duration_minutes	数值型	干预实施时长（单位：分钟）。对于小睡组，表示实际睡眠持续时间；对于咖啡组，通常表示设定的剂量对应时间或饮用时长。量化干预强度的关键指标。
alertness_score_before	                数值型	干预前警觉性评分（如1-10分）。前测基线值，用于控制个体初始状态差异，是计算干预效应（差值）的必要前提。
alertness_score_after	                数值型	干预后警觉性评分（如1-10分）。后测结果值，与alertness_score_before共同构成核心效应指标，可直接计算提升幅度。
productivity_rating	                数值型	干预后自评生产力水平（如1-10分）。衡量干预对工作效率感知的即时影响，是生态效度的重要指标。
mood_rating	                                数值型	干预后情绪状态评分（如1-10分，分值越高情绪越积极）。评估干预策略对情感体验的影响，是衡量整体收益的关键维度。
side_effects	                    字符型/多标签	记录的副作用，如 none（无）、jitteriness（心悸/紧张）、drowsiness（醒后困倦）、headache（头痛）等。安全性与耐受性评估的核心变量，支持策略选择的成本-收益分析。