Вплив фізичної активності на стрес-асоційовані стани у студентів вищих навчальних закладів
DOI:
https://doi.org/10.17309/tmfv.2024.2.08Ключові слова:
рухова активність, стрес, студенти, аналіз даних, здоровʼяАнотація
Мета дослідження — обґрунтувати вплив фізичної активності на стрес-асоційовані стани студентів вищих навчальних закладів.
Матеріали та методи. Набір даних для побудови моделей складався з 1115 спостережень, 16 незалежних і 3 залежних змінних. В якості основного методу використали метод випадкового лісу, ідея якого полягає в тому, щоб отримати прогноз шляхом агрегування прогнозів набору окремих дерев рішень, кожне з яких навчається на підмножині даних, виділених із досліджуваної вибірки.
Результати. Встановлено, що найважливішим фактором прогнозування стресових станів у студентів є їх рухова активність (РА). Крім того, значну роль у прогнозуванні стресу в студентів відіграють рівні РА, що включають помірні та високі рівні витрат енергії, а також кількість пережитих стресових подій. Для прогнозування стресових станів у студентів вищої освіти за методом випадкового лісу побудовано моделі «Стрес», «Підвищена тривожність», «Ризик ПТСР». Модель «Стрес» мала найвищу якість: її точність склала 0,77, пригадування – 0,86, точність – 0,79, оцінка F1 – 0,82. Модель «Ризик посттравматичних стресових розладів» правильно передбачила 78% випадків, що вказує на її хороші загальні показники, однак вона правильно ідентифікувала лише 23% студентів, які насправді мали ці ознаки. Що стосується стану тривоги, враховуючи те, що він менш стабільний, ніж стрес і посттравматичний стресовий розлад, що може ускладнити навчання моделі, побудована модель мала середню точність 56% і знижувала повноту та збалансованість.
Висновки. Моделі прогнозування підвищеної тривожності та виявлення студентів з ознаками ПТСР потребують подальшого вдосконалення. Розроблені моделі дозволяють оперативно ідентифікувати прояви стресових станів у студентів вищої освіти та на основі використання РА вживати необхідних заходів для запобігання розвитку стресових розладів.
Завантаження
Посилання
Pavlova, I., Graf-Vlachy, L., Petrytsa, P., Wang, S., & Zhang, S.X. (2022). Early evidence on the mental health of Ukrainian civilian and professional combatants during the Russian invasion. European Psychiatry, 65(1), 1–6. https://doi.org/10.1192/j.eurpsy.2022.2335 DOI: https://doi.org/10.1192/j.eurpsy.2022.2335
Vypasniak, I., Iermakov, S., & Shesterova, L. (2023). Condition of the autonomic nervous system during the ’sit-stand-sit’ orthostatic test in university students in areas of military conflict in Ukraine. Physical Culture, Recreation and Rehabilitation, 2(2), 81–89. https://doi.org/10.15561/physcult.2023.0204 DOI: https://doi.org/10.15561/physcult.2023.0204
Kurapov, A., Kalaitzaki, A., Keller, V., Danyliuk, I., & Kowatsch, T. (2023). The mental health impact of the ongoing Russian-Ukrainian war 6 months after the Russian invasion of Ukraine. Front Psychiatry, 14, 1134780. https://doi.org/10.3389/fpsyt.2023.1134780 DOI: https://doi.org/10.3389/fpsyt.2023.1134780
Rogowska, A., & Pavlova, Iu. (2023). A path model of associations between war-related exposure to trauma, nightmares, fear, insomnia, and posttraumatic stress among Ukrainian students during the Russian invasion. Psychiatry Research, 328(1), 115431. https://doi.org/10.1016/j.psychres.2023.115431 DOI: https://doi.org/10.1016/j.psychres.2023.115431
Zaitsev, V. (2023). Prediction of stress-related conditions in students and their prevention through health-enhancing recreational physical activity. Journal of Physical Education and Sport, 23(117), 937–943/ https://doi.org/10.7752/jpes.2023.04117
Meshko, H. M., Meshko, O. I., & Habrusieva, N. V. (2023). The Impact of the War in Ukraine on the Emotional well-being of Students in the Learning Process. Journal of Intellectual Disability – Diagnosis and Treatment, 11(1), 55–65. https://doi.org/10.6000/2292-2598.2023.11.01.7 DOI: https://doi.org/10.6000/2292-2598.2023.11.01.7
Limone, P., Toto, G.A., & Messina, G. (2022). Impact of the COVID-19 pandemic and the Russia-Ukraine war on stress and anxiety in students: A systematic review. Front. Psychiatry, 13, 1081013. https://doi.org/10.3389/fpsyt.2022.1081013 DOI: https://doi.org/10.3389/fpsyt.2022.1081013
Andrieieva, O., Byshevets, N., Kashuba, V., Hakman, A., & Grygus, I. (2023). Changes in physical activity indicators of Ukrainian students in the conditions of distance education. Physical Rehabilitation and Recreational Health Technologies, 8(2), 75–81. https://doi.org/10.15391/prrht.2023-8(2).01 DOI: https://doi.org/10.15391/prrht.2023-8(2).01
Byshevets, N., Andrieieva, O., Goncharova, N., Hakman, A., Zakharina, I., Synihovets, I., & Zaitsev, V. (2023). Prediction of stress-related conditions in students and their prevention through health-enhancing recreational physical activity. Journal of Physical Education and Sport, 23(117), 937–943. https://doi.org/10.7752/jpes.2023.04117 DOI: https://doi.org/10.7752/jpes.2023.04117
Byshevets, N., Goncharova, N., Serhiienko, K., et al. (2022). Peculiarities of behavior and reactions of students of higher education in physical culture and sports under the influence of crisis phenomena. Scientific Journal of M. P. Dragomanov National Pedagogical University, 8(153), 21-25. https://doi.org/10.31392/NPU-nc.series15.2022.8(153).05 DOI: https://doi.org/10.31392/NPU-nc.series15.2022.8(153).05
Kim, J., Yoon, D., & Kim, H. (2022). Random Forest Approach in Prediction Workers’ Stress from Personality Traits. 2022 13th International Conference on Information and Communication Technology Convergence (ICTC). Jeju Island, Korea, Republic, 2356-2358. https://doi.org/10.1109/ICTC55196.2022.9952879 DOI: https://doi.org/10.1109/ICTC55196.2022.9952879
Nachouki, M., Mohamed, E.A., Mehdi, R., & Naaj, M.A. (2023). Student course grade prediction using the random forest algorithm: Analysis of predictors’ importance. Trends in Neuroscience and Education, 33, 100214. https://doi.org/10.1016/j.tine.-2023.100214 DOI: https://doi.org/10.1016/j.tine.2023.100214
Li, J., & Wang, L. (2022). Study on the Evaluation of Exercise Effect in Physical Education Teaching under the Application of Random Forest Model. Artificial Intelligence-Based Big Data Analytics for Internet of Things. https://doi.org/10.1155/2022/7220064
Ding X., Peng W., & Yi X. (2022). Evaluation of Physical Education Teaching Effect Based on Action Skill Recognition. Hindawi. Comput Intell Neurosci, 1–11. https://doi.org/10.1155/2022/9489704 DOI: https://doi.org/10.1155/2022/9489704
Wang, H., Yang, F., & Xing, X. (2022). Evaluation Method of Physical Education Teaching and Training Quality Based on Deep Learning. Comput Intell Neurosci,1680888. https://doi.org/10.1155/2022/1680888. DOI: https://doi.org/10.1155/2022/1680888
Schonlau, M., & Zou, R.Y. (2020). The random forest algorithm for statistical learning. The Stata Journa, 20(1), 3–29. https://doi.org/10.1177/1536867X20909688 DOI: https://doi.org/10.1177/1536867X20909688
Xu, Q. &, Yin, J. (2021) Application of Random Forest Algorithm in Physical Education. Scientific Programming for Smart Internet of Things. https://doi.org/10.1155/2021/1996904 DOI: https://doi.org/10.1155/2021/1996904
Briand, J., Deguire, S., Gaudet, S., & Bieuzen, F. (2022). Monitoring Variables Influence on Random Forest Models to Forecast Injuries in Short-Track Speed Skating. Front Sports Act Living, 4:896828. https://doi.org/10.3389/fspor.2022.896828 DOI: https://doi.org/10.3389/fspor.2022.896828
Jiang, X., Du, Y., & Zheng, Y. (2023). Evaluation of physical education teaching effect using Random Forest model under artificial intelligence. Heliyon, 10(1), e23576. https://doi.org/10.1016/j.heliyon.2023.e23576 DOI: https://doi.org/10.1016/j.heliyon.2023.e23576
International Physical Activity Questionnaire. (2016). Home. Retrieved from https://sites.google.com/site/theipaq/
Shcherbatykh Yu. “Test for determining the level of stress” [Electronic resource] access mode: https://santamaria.com.ua/about/blog/test-naviznachennya-rivnya-stresu-za-v-yu-sherbatih
Spielberg, C. State-trait anxiety inventory (STAI). Retrieved from https://mozok.ua/depressiya/testy/item/2703-shkala-trevogi-spilbergera-STAI
Sloan, P., Arsenault, L., Hilsenroth, M., & Harvill, L. (1995). Use of the Mississippi Scale for Combat-Related PTSD in detecting war-related, non-combat stress symptomatology. Journal of Clinical Psychology, 51, 799–801. https://doi.org/10.1002/1097-4679(199511)51:6<799::AID-JCLP2270510611>3.0.CO;2-C DOI: https://doi.org/10.1002/1097-4679(199511)51:6<799::AID-JCLP2270510611>3.0.CO;2-C
Andrieieva, O., Maltsev, D., Kashuba, V., Dutchak, M., Ratnikov, D., Grygus, I., Byshevets, N., & Horodinska, I. (2022). Relationship between quality of life and level of physical activity and family well-being. Physical Education Theory and Methodology, 22(4), 569–575. https://doi.org/10.17309/tmfv.2022.4.16 DOI: https://doi.org/10.17309/tmfv.2022.4.16
Jinpeng, L., & Le, W. (2022). Study on the Evaluation of Exercise Effect in Physical Education Teaching under the Application of Random Forest Model. Mobile Information Systems, 9. https://doi.org/10.1155/2022/7220064 DOI: https://doi.org/10.1155/2022/7220064
Documentation for TIBCO Statistica. Product Documentation page. URL: https://docs.tibco.com/pub/stat/14.0.0/doc/html/-UsersGuide/GUID-DE271721-7A45-4B39-8367-2B36DF9F8CCF.html
Palczewska, A., Palczewski, J., & Robinson, R.M. (2013). Interpreting random forest models using a feature contribution method. In: Information Reuse and Integration (IRI), 2013 IEEE 14th International Conference on. 2013 IEEE 14th International Conference on Information Reuse and Integration, 14 - 16 August 2013, San Francisco, CA, USA. IEEE, 112–119. https://doi.org/10.1109/IRI.2013.6642461 DOI: https://doi.org/10.1109/IRI.2013.6642461
Levin, Y., Ben-Ezra, M., & Hamama-Raz, Y. (2023). The Ukraine–Russia war: A symptoms network of complex posttraumatic stress disorder during continuous traumatic stress. Psychological Trauma: Theory, Research, Practice, and Policy. https://doi.org/10.1037/tra0001522 DOI: https://doi.org/10.1037/tra0001522
Petrachkov, O., Yarmak, O., & Shostak, R., et al. (2023). The effect of stress factors on cognitive and management functions of cadets of higher military educational institutions. Journal of Physical Education and Sport, 23, 162–169. https://doi.org/10.7752/jpes.2023.01020 DOI: https://doi.org/10.7752/jpes.2023.01020
Kashuba, V., Andrieieva, O., & Hakman, A., et al. (2021). Impact of Aquafitness Training on Physical Condition of Early Adulthood Women. Physical Education Theory and Methodology, 21(2), 152–157. https://doi.org/10.17309/tmfv.2021.2.08 DOI: https://doi.org/10.17309/tmfv.2021.2.08
Steinacker, J.M., Mechelen, W., & Bloch, W., et al. (2023). Global Alliance for the Promotion of Physical Activity: the Hamburg Declaration. BMJ Open Sport & Exercise Medicine, 9:e001626. https://doi.org/10.1136/bmjsem-2023-001626 DOI: https://doi.org/10.1136/bmjsem-2023-001626
Downloads
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Nataliia Byshevets, Olena Andrieieva, Myroslav Dutchak, Oksana Shynkaruk, Roman Dmytriv, Ievgeniia Zakharina, Kostiantyn Serhiienko, Maryna Hres
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
