論文の概要: Real-Time Stress Monitoring, Detection, and Management in College Students: A Wearable Technology and Machine-Learning Approach
- arxiv url: http://arxiv.org/abs/2505.15974v1
- Date: Wed, 21 May 2025 19:45:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-23 17:12:47.889274
- Title: Real-Time Stress Monitoring, Detection, and Management in College Students: A Wearable Technology and Machine-Learning Approach
- Title（参考訳）: 大学生のリアルタイムストレスモニタリング・検出・管理 : ウェアラブル技術と機械学習アプローチ
- Authors: Alan Ta, Nilsu Salgin, Mustafa Demir, Kala Philips Randal, Ranjana K. Mehta, Anthony McDonald, Carly McCord, Farzan Sasangohar,
- Abstract要約: 大学生はストレス、不安、うつにますます影響を受ける。
本研究は、モバイルヘルス(mHealth)介入、メンタルヘルス評価およびルックアウトプログラム(mHELP)の有効性を評価する。
mHELPは、リアルタイムストレス検出と自己管理のためのスマートウォッチセンサーと機械学習(ML)アルゴリズムを統合している。
- 参考スコア（独自算出の注目度）: 1.0012740151280692
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: College students are increasingly affected by stress, anxiety, and depression, yet face barriers to traditional mental health care. This study evaluated the efficacy of a mobile health (mHealth) intervention, Mental Health Evaluation and Lookout Program (mHELP), which integrates a smartwatch sensor and machine learning (ML) algorithms for real-time stress detection and self-management. In a 12-week randomized controlled trial (n = 117), participants were assigned to a treatment group using mHELP's full suite of interventions or a control group using the app solely for real-time stress logging and weekly psychological assessments. The primary outcome, "Moments of Stress" (MS), was assessed via physiological and self-reported indicators and analyzed using Generalized Linear Mixed Models (GLMM) approaches. Similarly, secondary outcomes of psychological assessments, including the Generalized Anxiety Disorder-7 (GAD-7) for anxiety, the Patient Health Questionnaire (PHQ-8) for depression, and the Perceived Stress Scale (PSS), were also analyzed via GLMM. The finding of the objective measure, MS, indicates a substantial decrease in MS among the treatment group compared to the control group, while no notable between-group differences were observed in subjective scores of anxiety (GAD-7), depression (PHQ-8), or stress (PSS). However, the treatment group exhibited a clinically meaningful decline in GAD-7 and PSS scores. These findings underscore the potential of wearable-enabled mHealth tools to reduce acute stress in college populations and highlight the need for extended interventions and tailored features to address chronic symptoms like depression.
- Abstract（参考訳）: 大学生はストレス、不安、うつにますます影響を受けるが、伝統的なメンタルヘルスに対する障壁に直面している。
本研究は、リアルタイムストレス検出と自己管理のためのスマートウォッチセンサと機械学習アルゴリズムを統合した、モバイルヘルス(mHealth)介入、メンタルヘルス評価およびルックアウトプログラム(mHELP)の有効性を評価した。
12週間のランダム化対照試験(n = 117)では、参加者はmHELPの完全な介入スイートを使用して治療グループに割り当てられた。
ストレスのモーメント (MS) を生理指標および自己報告指標を用いて評価し, 一般線形混合モデル (GLMM) を用いて解析した。
同様に、不安に対する一般不安障害7(GAD-7)、うつ病に対する患者健康アンケート(PHQ-8)、認知ストレス尺度(PSS)などの心理的評価の二次的結果もGLMMを用いて分析した。
主観的不安スコア (GAD-7), うつ病スコア (PHQ-8), ストレススコア (PSS) では, 群間差は認められなかった。
しかし,治療群はGAD-7,PSSスコアに有意な低下を認めた。
これらの知見は、ウェアラブル対応のmHealthツールが大学人口の急性ストレスを軽減し、うつ病のような慢性症状に対処するための介入の拡張と調整された特徴の必要性を浮き彫りにしている。
関連論文リスト
- Deep Learning Characterizes Depression and Suicidal Ideation from Eye Movements [17.985259248390943]
抑うつと自殺の考え、特に客観的なバイオマーカーが欠如しており、スクリーニングと診断は主に自己報告と臨床面接に依存している。
視線追跡をスクリーニング目的のマーカーとして検討した。
若年者126名を対象に,感情文を読解し,反応した眼球追跡シーケンスを記録し,その後,臨床症状を予測するための深層学習フレームワークを開発した。
論文 参考訳（メタデータ） (2025-04-29T17:11:13Z) - Measuring Anxiety Levels with Head Motion Patterns in Severe Depression Population [4.310167974376404]
本研究では,頭部の動きを解析して不安度を定量化する新しい非侵襲的手法を提案する。
臨床的に評価された不安レベルを予測するため,頭部運動特性と回帰分析を適用した。
その結果,心理的不安の重症度を予測する上で,平均絶対誤差(MAE)が0.35と高い精度を示した。
論文 参考訳（メタデータ） (2025-02-12T21:55:26Z) - Large-scale digital phenotyping: identifying depression and anxiety indicators in a general UK population with over 10,000 participants [2.2909783327197393]
英国在住の一般住民10,129名のデータを横断的に分析した。
参加者は、ウェアラブル(Fitbit)データと、うつ病(PHQ-8)、不安(GAD-7)、ムードに関する自己申告アンケートを、研究アプリを通じて共有した。
気分,年齢,性別,BMI,睡眠パターン,身体活動,心拍数など,うつ病の重症度と不安度との間に有意な関連が認められた。
論文 参考訳（メタデータ） (2024-09-24T16:05:17Z) - Improving Engagement and Efficacy of mHealth Micro-Interventions for Stress Coping: an In-The-Wild Study [4.704094564944504]
パーソナライズされたコンテキスト認識介入選択アルゴリズムは、mHealth介入のエンゲージメントと有効性を改善する。
短時間でも1分間の介入は、知覚されるストレスレベルを著しく減少させる。
本研究は,個人化された文脈認識介入選択アルゴリズムを導入することで文献に寄与する。
論文 参考訳（メタデータ） (2024-07-16T11:22:22Z) - Computational Analysis of Stress, Depression and Engagement in Mental Health: A Survey [62.31381724639944]
ストレスと抑うつは相互に関連し、共に日々のタスクにおけるエンゲージメントに影響を与える。
この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
論文 参考訳（メタデータ） (2024-03-09T11:16:09Z) - PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。
心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
論文 参考訳（メタデータ） (2024-02-19T18:00:30Z) - Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。
本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文 参考訳（メタデータ） (2023-02-05T22:33:49Z) - Classification of Stress via Ambulatory ECG and GSR Data [0.0]
本研究は, 自己申告されたストレスアノテーションを用いた実験室で記録された生理的データを用いて, ストレスを検出するためのいくつかのアプローチを実験的に評価する。
最適応力検出法は90.77%の分類精度、91.24 F1-サブミッション、90.42感度、91.08特異性を達成する。
論文 参考訳（メタデータ） (2022-07-19T15:57:14Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳（メタデータ） (2021-10-19T11:45:01Z) - Deep Multi-task Learning for Depression Detection and Prediction in
Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。
機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。
本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-05T05:14:14Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳（メタデータ） (2020-08-09T20:22:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。