机器学习在大学生中使用心理健康应用程序识别了COVID-19特定的表型
Artur Shvetcov1, Alexis Whitton1, Suranga Kasturi1
1Black Dog Institute, UNSW, Sydney, NSW, Australia.
Internet interventions
|September 25, 2023
概括
使用心理健康应用程序的大学生分为三个子组,通过机器学习识别. 一个子组一个子组.
科学领域:
- 数字心理健康数字心理健康
- 机器学习应用程序 机器学习应用程序
- 学生的福祉 学生的福祉
背景情况:
- 智能手机技术使得人们能够获得数字精神卫生保健服务.
- 大学学生面临着重大的心理健康挑战.
- 尽管症状有所改善,但在心理健康应用程序中用户参与度仍然很低.
研究的目的:
- 在心理健康应用程序中检查大学生子组.
- 分析跨COVID-19大流行时间点的子组特征.
- 调查COVID-19对用户参与的影响.
主要方法:
- 采用了两步机器学习方法.
- 结合无监督和监督的学习技术.
- 在三个COVID-19特定时间点分析了用户数据.
主要成果:
- 确定了三个不同的大学生子组.
- 两个子组在不同时间点显示出稳定的特征.
- 第三个子组表现出局面幸福感,受到压力因素和倦怠的影响,具有时间点相关的特征.
结论:
- 用户子组具有独特的特征和心理健康保健目标.
- 根据子组量身定制干预措施可以提高参与度.
- 心理健康应用程序应该解决创伤性压力,使用原因和倦怠.
