Mental Stress Detection in University Students using Machine Learning Algorithms

Artificial intelligence: A rapid case for advancement in the personalization of Gynaecology/Obstetric and Mental Health care

“…Key examples of applications of SVM in MH care include use of warning markers extracted from NLP to detect risk of violence in schools 20 and detect psychological distress of university students. 39 However, these require to be further developed and tested if they are to be unilaterally used in various clinical contexts.…”

“…The use of linguistic features significantly improved ML classifiers’ predictive performance with 94.6% AUC on test data. 20 For multi-nomial classification problem, Ahuja et al 39 extracted the features from Perceived Stress Scale (PSS) test which includes 14 questions overall and involves Random Forest, Naive Bayes, SVM and KNN to analyse stress in the college students. The students were divided into three categories: highly stressed, stressed and normal.…”

Mineração de Dados aplicada à Saúde Mental de Estudantes Universitários: Uma Revisão Sistemática

“…Em [Cui Yuan 2014] foi realizada a aplicação de técnicas de mineração em uma amostra de 500 estudantes universitários com o objetivo de extrair informações sobre saúde mental para avaliar a vida acadêmica, perspectiva e valores de vida e os relacionamentos interpessoais. Já em [Ahujaa and Bangab 2019], os pesquisadores analisaram o estresse nos estudantes universitários em diferentes momentos de sua vida, a fim de buscar associação com o tempo gasto na internet e os efeitos na mente do aluno.…”

“…Apesar deste não ser definido como um transtorno mental,é um fenômeno de interesse nas pesquisas de saúde mental em estudantes universitários, pois alteração nos níveis de estresse podem acarretar em transtornos como depressão, ataque cardíaco e derrame [Ahujaa and Bangab 2019]. Atualmente, o estresse mentalé uma questão de grande importância entre os discentes devido a grande quantidade de jovens detectados com esse mal [Ahujaa and Bangab 2019]. Na figura 1 podem ser observadas detalhadamente as porcentagens de transtornos identificados nos artigos analisados.…”

“…Das variáveis relacionadasà depressão, pode-se citar hábitos de leitura e informações demográficas [Hou et al 2016]. Além disso, outras variáveis associadas a esse transtorno são: sono, cansaço, apetite, concentração, desinteresse ou desânimo para realizar atividades, abatimento, deprimido ou sem esperança, sentir-se mal consigo Por fim, para estresse, as variáveis são: Tempo com olhos abertos e fechado [Khosrowabadi et al 2011], interferência no tempo de reação de uma tarefa, comer, cantar, trabalho de casa, conversas sociais [Egilmez et al 2017], tempo gasto na internet e pressão no exame [Ahujaa and Bangab 2019].…”