为大学生预测正念虚拟社区干预的有效性:机器学习模型
Christo El Morr1, Farideh Tavangar2, Farah Ahmad1
1School of Health Policy and Management, York University, Toronto, ON, Canada.
Interactive journal of medical research
|April 5, 2024
概括
预测学生心理健康的正念虚拟社区 (MVC) 干预措施的成功是可以使用机器学习的. 学生参与的正念视频是有效减少抑郁,焦虑和压力的关键预测指标.
科学领域:
- 数字心理健康数字心理健康
- 机器学习在医疗保健中的应用
- 学生的福祉 学生的福祉
背景情况:
- 学生的心理健康挑战早于COVID-19大流行.
- 正念虚拟社区 (MVC) 是一个为期8周的基于网络的程序,使用正念和认知行为疗法.
- MVC有效地减少了抑郁,焦虑和压力的症状.
研究的目的:
- 为了预测MVC干预的有效性.
- 确定干预成功的关键预测因素,包括社会人口统计学和自我报告的特征.
- 为了评估接触正念视频的预测能力.
主要方法:
- 开发了机器学习模型来预测MVC的有效性.
- 有效性被定义为在PHQ-9,BAI和PSS分数中实现最小的临床重要差异.
- 分析了209名本科生的数据集,使用梯度增强和随机森林模型进行分析.
主要成果:
- 渐变增强模型在预测抑郁症 (PHQ-9) 和减轻压力 (PSS) 方面表现出高准确性.
- 随机森林模型准确地预测了焦虑 (BAI) 的减少.
- 接触在线正念视频是所有测量症状中干预成功的最重要的预测因素.
结论:
- 机器学习模型可以有效地预测MVC干预学生心理健康的成功.
- 这些预测模型可以帮助专业人士向学生提供有关干预适宜性的建议.
- 学生对在线正念内容的参与是干预有效性的关键因素.


