Prediction of Stress-Associated States in University Students Based on Physical Activity Data Using Machine Learning Methods

Abstract

EN: Objectives. The aim of the study was to determine the influence of physical activity on stress-associated states in students of higher education institutions. Materials and methods. The dataset for model construction consisted of 1115 observations, 16 independent and 3 dependent variables. The random forest method was used as the main method. Results. Physical activity was found to be the most important factor for predicting stress-associated states in students. 'Stress', 'Increased Anxiety' and 'PTSD Risk' models were constructed. The 'Stress' model had the highest quality: accuracy — 0.77, recall — 0.86, precision — 0.79, F1-score — 0.82. Conclusions. The implementation of the developed models allows rapid identification of stress-associated states in students and the application of necessary measures using physical activity. UK: Завдання. Мета дослідження полягала у визначенні впливу рухової активності на стрес-асоційовані стани у студентів закладів вищої освіти. Матеріали та методи. Набір даних для побудови моделей складався з 1115 спостережень, 16 незалежних та 3 залежних змінних. Як основний метод використовувався метод випадкового лісу. Результати. Встановлено, що рухова активність є найважливішим фактором прогнозування стрес-асоційованих станів у студентів. Побудовано моделі «Стрес», «Підвищена тривожність» та «Ризик ПТСР». Модель «Стрес» мала найвищу якість: точність — 0,77, повнота — 0,86, прецизійність — 0,79, F1-показник — 0,82. Висновки. Впровадження розроблених моделей дозволяє швидко виявляти стрес-асоційовані стани у студентів та вживати необхідних заходів засобами рухової активності.