达特茅斯试点研究绘制了医学生的适应力

达特茅斯学院的 Geisel-Thayer 团队正在调查个人和结构性因素，这些因素可以提高复原力并让医学生蓬勃发展，希望找到方法让医学院成为一种压力较小的经历。

有充分证据表明，医学院是一种高压力的经历，医学生的抑郁和焦虑率不断上升，他们与医生和其他医疗保健专业人员面临与压力相关的倦怠风险较高。

这一不断升级的问题给吸引和留住一支健康、蓬勃发展的医疗队伍带来了困难，这些队伍可以为患者建立健康模型。

来自 Geisel 医学院医学教育、生物医学数据科学和精神病学系以及 Thayer 工程学院的跨学科研究团队使用生物心理社会健康模型在野外收集数据，正在研究可穿戴 Fitbit 设备和每周一次的数据。基于应用程序的调查问卷来跟踪福祉和复原力。

“我们不仅仅关注健康状况不佳或精神疾病，还关注精神健康的积极一面，这对于学习和过上充实的生活非常重要，”托马斯·塞森博士说，他是该大学的医学教育副教授。盖泽尔和该研究的主要研究者之一。

他们的研究成果是可穿戴健康研究。该研究于 2023 学年与 Geisel 医学院的学生一起启动，利用现有的可穿戴技术来绘制身体活动、睡眠和心率变异性以及与心理健康相关的所有行为和生理标记，以了解导致心理健康的个人和课程因素。不仅压力大，而且恢复能力强。塞森表示，该团队希望这项研究的见解能够带来更加个性化的支持和课程改革，以提高学生的福祉。

参加这项为期一年的研究的一年级和二年级盖塞尔医学生每人都持续佩戴健身追踪器，测量心率、睡眠和身体活动，并与智能手机同步。智能手机应用程序启动可穿戴数据收集，并每周提供简短的调查问卷、自动通知和提醒。

“启动这项试点研究代表了理解和减轻医学生压力的能力的重要一步。我们一直发现智能手机和可穿戴传感器可以帮助理解和预测心理健康状况，这项工作拓展了我们的视野，”联合首席研究员、技术与精神病学中心生物医学数据科学和精神病学助理教授尼古拉斯·雅各布森博士说。盖塞尔的行为健康。 “这项研究证明了技术的巨大潜力，可以培养医疗专业人员实现最佳健康和恢复力的未来。”

“机器学习算法是一种很有前景的方法，可以在心理健康状况出现之前进行预测和解决，”联合首席研究员、塞耶大学工程学助理教授韦斯利·马雷罗博士说。

他说：“预测模型可以帮助心理健康专业人员识别医学生在教育早期焦虑、抑郁和倦怠风险增加的情况。” “此外，它们可以作为专注于心理健康干预的算法的基础。”

“通过收集整个课程的数据，我们可以通过机器学习算法预测幸福感的变化。我们还在对所有学生进行汇总研究，看看哪些因素会导致压力增加，以帮助我们进行结构性课程改革，”Thesen 指出。

马雷罗还对如何确保所有人平等感兴趣。“我们如何确保我们照顾到所有人，而不仅仅是大多数人口?这就是所谓的算法公平性——在做出预测和建议干预措施时考虑到人们的交叉性和身份。这是一个很难的数学问题，但对我们来说非常有趣。从事于。”

参与可穿戴健康试点的学生还可以访问配套计划，他们可以选择接受指导，以制定生活方式管理计划，并通过可穿戴设备监控目标。如果目标没有实现，学生和教练将共同找出障碍并探索实现目标的替代方法。

Thesen 解释说，由于该研究正在收集有关学生的个人数据，因此存在高水平的数据隐私保护——所有收集的信息都是匿名的，并且身份是不可见的。该研究雇用了一名数据监控员，他是医学院学生会的成员，对任何可能违背学生利益的数据处理或分析拥有否决权。

今年春天，这项研究将扩展到盖泽尔以外的其他两所医学院的不同学生群体——休斯敦大学医学院，这是一所新的医学院，传统上医学领域学生比例很高，而阿迦汗医学院肯尼亚内罗毕大学。