通过疫情期间 Fitbit 数据进行学生心理健康筛查
机器学习
2026-01-26 v1
摘要
大学生面临诸多压力源，导致焦虑和抑郁水平较高。可穿戴技术提供可不显眼的传感器数据，可用于精神疾病的早期检测。然而，当前研究在心理仪器的种类、生理模态和时间序列参数方面都有限。本研究在疫情期间收集了来自我校园的 Student Mental and Environmental Health (StudentMEH) Fitbit 数据集。我们全面评估了使用不同 Fitbit 模态对抑郁、焦虑和压力进行筛查的预测机器学习模型能力。我们的发现表明，生理模态如心率和睡眠在筛查心理疾病方面具有潜力，F1 分数可达到焦虑的 0.79，其中前者模态在压力筛查中达到 0.77，后者模态在抑郁筛查中达到 0.78。这项研究凸显了可穿戴设备支持持续心理健康监测的潜力，以及确定针对不同精神疾病筛查的最佳数据聚合层和合适模态的重要性。
引用
@article{arxiv.2601.16324,
title = {Student Mental Health Screening via Fitbit Data Collected During the COVID-19 Pandemic},
author = {Rebecca Lopez and Avantika Shrestha and ML Tlachac and Kevin Hickey and Xingtong Guo and Shichao Liu and Elke Rundensteiner},
journal= {arXiv preprint arXiv:2601.16324},
year = {2026}
}