[논문 리뷰] Real-Time Stress Monitoring, Detection, and Management in College Students: A Wearable Technology and Machine-Learning Approach

Alan Ta, Nilsu Salgin외 6명|ArXiv.org|2025. 05. 21.

Emotion and Mood Recognition인용 수 3

한 줄 요약

웨어러블 및 ML 기반의 mHELP 지능형 mHealth 중재를 대학생의 실시간 스트레스 탐지 및 자기 관리에 대해 12주 무작위 trials(n=117)로 평가한다.

ABSTRACT

College students are increasingly affected by stress, anxiety, and depression, yet face barriers to traditional mental health care. This study evaluated the efficacy of a mobile health (mHealth) intervention, Mental Health Evaluation and Lookout Program (mHELP), which integrates a smartwatch sensor and machine learning (ML) algorithms for real-time stress detection and self-management. In a 12-week randomized controlled trial (n = 117), participants were assigned to a treatment group using mHELP's full suite of interventions or a control group using the app solely for real-time stress logging and weekly psychological assessments. The primary outcome, "Moments of Stress" (MS), was assessed via physiological and self-reported indicators and analyzed using Generalized Linear Mixed Models (GLMM) approaches. Similarly, secondary outcomes of psychological assessments, including the Generalized Anxiety Disorder-7 (GAD-7) for anxiety, the Patient Health Questionnaire (PHQ-8) for depression, and the Perceived Stress Scale (PSS), were also analyzed via GLMM. The finding of the objective measure, MS, indicates a substantial decrease in MS among the treatment group compared to the control group, while no notable between-group differences were observed in subjective scores of anxiety (GAD-7), depression (PHQ-8), or stress (PSS). However, the treatment group exhibited a clinically meaningful decline in GAD-7 and PSS scores. These findings underscore the potential of wearable-enabled mHealth tools to reduce acute stress in college populations and highlight the need for extended interventions and tailored features to address chronic symptoms like depression.

연구 동기 및 목표

• 웨어러블 기반 mHealth 중재가 대학생의 실시간 스트레스를 탐지할 수 있는지 조사한다.
• mHELP의 효과를 로깅만 제어와 비교하여 Moments of Stress(MS)의 감소를 평가한다.
• 다음의 1차 및 2차 심리적 결과를 확립된 척도를 사용해 평가한다(불안, 우울, 지각된 스트레스).
• 실시간 모니터링이 자가 보고된 정신 건강의 개선으로 이어지는지 탐색한다.

제안 방법

• 117명의 참가자를 대상으로 한 12주 무작위 대조 시험.
• 참가자는 치료군(전체 mHELP 모듈) 또는 제어군(실시간 로깅 및 주간 평가)으로 배정된다.
• 스트레스 탐지를 위해 웨어러블 스마트워치 센서를 사용하고 ML 알고리즘이 실시간 스트레스 탐지를 수행한다.
• 일반화 선형 혼합 모델(GLMM)을 사용해 1차 및 2차 결과를 분석한다.
• 주요 결과: Physiological 및 자가 보고 지표에서 파생된 Moments of Stress(MS).
• 2차 결과: GAD-7(불안), PHQ-8(우울), PSS(지각된 스트레스).

실험 결과

연구 질문

• RQ1 전체 mHELP 중재가 로깅-만 제어와 비교하여 Moments of Stress를 실시간으로 감소시킬 수 있는가?
• RQ2 mHELP가 불안(GAD-7), 우울(PHQ-8), 지각된 스트레스(PSS)에 미치는 영향은 무엇인가?
• RQ3 웨어러블 기반 mHealth 도구가 대학생의 스트레스 자기 관리를 효과적으로 지원할 수 있는가?
• RQ4 12주 동안 그룹 간 급성 대 지속적 정신 건강 증상에 차이가 있는가?

주요 결과

• 치료군은 제어군에 비해 Moments of Stress가 상당히 감소했다.
• GAD-7, PHQ-8, 또는 PSS 점수에서 그룹 간 차이가 두드러지게 나타나지 않았다.
• 치료군에서 GAD-7 및 PSS 점수의 임상적으로 의미 있는 감소가 관찰되었다.
• 착용 가능한 mHealth 도구가 대학생의 급성 스트레스를 감소시킬 가능성을 시사한다.
• 만성적 증상인 우울증과 같은 경우에는 확장된 중재와 맞춤형 기능이 필요하다는 시사점이 있다.