预测基于虚拟现实的稳定对创伤后压力症状的个体的有效性:一种机器学习方法

科学领域:

• 心理健康 心理健康
• 心理干预 心理干预
• 虚拟现实应用 虚拟现实应用

背景情况:

• 呼吸道传染病,如COVID-19,在全球范围内造成了重大的心理健康挑战.
• 需要积极的心理干预来为未来的流行病做好准备.
• 基于虚拟现实的稳定 (VRS) 是为了减轻创伤后应激症状 (PTSS) 和相关的并发症而开发的.

研究的目的:

• 评估VRS在COVID-19幸存者和医疗保健工作者中的有效性.
• 使用机器学习预测VRS对PTSS和抑郁症的影响.
• 为了确定影响个性化干预的VRS有效性的因素.

主要方法:

• 一项涉及43名COVID-19幸存者和医护人员的研究评估了VRS在五次会议中的有效性.
• 干预前后的心理评估测量了PTSS,抑郁,焦虑,COVID相关的恐惧,创伤后的成长和生活质量.
• 一个机器学习模型使用基线评估和心率变化预测了PTSS和抑郁症的变化.

主要成果:

• 在干预后,VRS显著改善了所有测量的心理结果.
• 机器学习模型对PTSS和抑郁症变化的预测准确度很好 (R2=0.414-0.723).
• 较高的基线PTSS,心率变异性升高和年轻的年龄与更大的改善相关.

结论:

• VRS是治疗PTSS和相关精神健康状况的有效干预措施.
• 整合临床和人口统计数据可以增强个性化心理健康护理的预测模型.
• 在流行病期间和之后,VRS提供了一种有希望的心理支持方法.