可穿戴人工智能在学生中检测压力的表现:系统审查和元分析

科学领域:

• 学生心理健康 学生心理健康
• 可穿戴技术是可穿戴技术.
• 人工智能 (AI) 是一种人工智能.

背景情况:

• 学生的学术道路往往涉及重大压力,可能导致慢性压力和影响福祉.
• 早期发现和监测学生的压力对于干预至关重要.
• 传统的压力评估方法,如问卷,也有其局限性.

研究的目的:

• 系统地审查和进行对可穿戴人工智能的性能进行元分析,以检测和预测学生之间的压力.
• 评估人工智能驱动的可穿戴设备对学生压力评估的准确性和有效性.

主要方法:

• 在2023年6月12日对7个电子数据库 (MEDLINE,Embase,PsycINFO,ACM数字图书馆,Scopus,IEEE Xplore,Google Scholar) 进行了全面的搜索.
• 包括专注于人工智能算法用于使用可穿戴设备数据的学生的压力检测/预测的研究. 两位独立审查员使用适应的QUADAS-Revised工具进行了研究选择,数据提取和偏差风险评估.
• 证据综合涉及叙事和统计技术,包括对准确性估计的元分析.

主要成果:

• 在 327 个检索的研究中,包括了 19 个 (5.8%). 从6项研究中对37项准确性估计进行了元分析,得出了0.856 (95% CI 0.70-0.93) 的综合平均准确性.
• 亚组分析表明,精度受压力类数量,可穿戴设备的类型和位置,数据集大小和地面真相评估的影响.
• 对灵敏度,特异性和F1评分的平均估计分别为0.755,0.744和0.759.

结论:

• 可穿戴的人工智能在学生压力检测方面表现有前途,但需要进一步开发以获得最佳性能.
• 由于潜在的混因素,子组分析结果需要谨慎解释.
• 建议使用可穿戴人工智能与临床问卷一起使用,直到有更多证据.