Impact du Covid-19 sur la santé mentale des étudiants universitaires

La Santé mentale, c'est comment on pense, ressent et agit. C'est notre bien-être émotionnel et psychologique, qui influence comment on gère le stress et nos relations avec les autres. Une bonne santé mentale est super importante pour tout le monde. Des études montrent que la santé mentale est étroitement liée à la santé physique, et une mauvaise santé mentale peut entraîner des problèmes graves comme la dépression. Les relations sociales jouent aussi un rôle énorme dans notre bien-être mental. Beaucoup de gens ont affronté des défis pour leur santé mentale, surtout pendant des périodes difficiles comme une pandémie.

#L'impact de COVID-19 sur la santé mentale

En 2019, le monde a été frappé par Covid-19, causé par le virus SARS-CoV-2. Ce virus provoque de graves problèmes respiratoires et peut mener à la mort. L'Organisation mondiale de la santé a déclaré que c'était une pandémie mondiale le 11 mars 2020. Des confinements ont été mis en place dans de nombreux pays pour tenter d'arrêter la propagation du virus. Le Bangladesh a aussi été touché, entraînant des confinements à travers le pays à cause de sa densité de population élevée.

Pendant les confinements, beaucoup de gens se sont retrouvés isolés chez eux, ce qui a rendu difficile de se connecter avec amis et famille. Cet isolement social a été lié à des sentiments de solitude et une santé mentale dégradée, surtout pour ceux qui avaient déjà des problèmes de santé mentale. De nombreux jeunes adultes, surtout les Étudiants universitaires, ont été fortement impactés. Ils ont souvent lutté contre des sentiments de solitude, des inquiétudes pour leur avenir, et le stress lié aux problèmes financiers. Cette situation a entraîné une augmentation de l'anxiété et de la dépression chez les étudiants.

#Les effets sur les étudiants universitaires

Les étudiants universitaires, c'est comme d'autres jeunes adultes ; ils savent que la santé mentale est importante. Cependant, la crise de Covid-19 a beaucoup impacté leurs études et leur vie sociale. Les étudiants ont passé beaucoup de temps chez eux, ce qui a rendu difficile de voir amis et famille. Beaucoup ont ressenti des sentiments de solitude et des pensées négatives, menant à des taux plus élevés de dépression et d'anxiété parmi eux. Des recherches ont montré que de nombreux étudiants ont éprouvé un stress important et même des pensées suicidaires pendant cette période.

Les problèmes de santé mentale sont de plus en plus reconnus dans le monde, et la pandémie de Covid-19 a aggravé la situation pour de nombreux étudiants. Plusieurs études ont été réalisées à l'échelle mondiale pour trouver des moyens efficaces d'identifier les étudiants qui ont des difficultés avec leur santé mentale, en particulier l'anxiété et la dépression. Bien que certaines recherches aient examiné divers facteurs comme le sexe et le niveau d'éducation, pas assez d'attention a été portée aux technologies modernes comme l'intelligence artificielle (IA) pour analyser les conditions de santé mentale chez les étudiants universitaires.

#Le besoin de l'IA dans la recherche en santé mentale

Les moyens traditionnels de comprendre la santé mentale reposent souvent sur des enquêtes et des questionnaires. Cependant, des méthodes avancées comme l'IA peuvent aider à découvrir des modèles et à prédire les problèmes de santé mentale de manière plus efficace. L'IA peut analyser de grandes quantités de données, permettant de mieux comprendre les facteurs qui influencent le bien-être mental. Bien que les études sur la santé mentale utilisant l'IA soient en augmentation dans divers domaines, il manque encore des recherches spécifiquement axées sur la santé mentale des étudiants universitaires pendant des crises comme Covid-19.

Au Bangladesh, où la recherche sur la santé mentale est limitée, il y a un besoin d'études plus approfondies pour comprendre comment la pandémie a affecté la santé mentale des étudiants. L'idée ici est de construire un système qui utilise l'IA pour analyser les retours réels des étudiants sur comment Covid-19 les a impactés mentalement. En collectant des données à partir d'enquêtes, nous pouvons former des modèles d'IA pour prédire les conditions de santé mentale.

#Objectifs de recherche

L'objectif principal est de créer un système piloté par l'IA pour évaluer l'état de santé mentale des étudiants universitaires bangladais durant la pandémie. Pour y arriver, nous avons collecté des données via des questionnaires en ligne provenant de plusieurs universités. Différents modèles d'apprentissage automatique (ML) et d'apprentissage profond (DL) ont été testés pour voir à quel point ils pouvaient prédire avec précision l'état de santé mentale des étudiants. Nous voulions identifier les facteurs qui influencent le plus la santé mentale pendant cette crise.

#Collecte de données

Pour cette recherche, des données ont été collectées auprès d'étudiants universitaires âgés de 19 à 30 ans. Une enquête en ligne a été menée auprès de 400 étudiants de 16 universités au Bangladesh. Parmi eux, 253 étudiants ont répondu, ce qui donne un taux de réponse de 63 %. Le jeu de données incluait diverses questions visant à comprendre les facteurs affectant la santé mentale, tels que la stabilité des revenus familiaux, la perturbation de la vie quotidienne, les inquiétudes académiques, et plus encore.

#Analyse des données

Une fois les données collectées, une analyse descriptive a été réalisée pour comprendre les facteurs clés affectant la santé mentale. Des graphiques statistiques ont aidé à visualiser comment différents attributs sont liés à l'état de santé mentale des étudiants. Par exemple, ceux qui ont signalé un sommeil médiocre pendant la pandémie avaient tendance à avoir une santé mentale plus mauvaise. De même, l'utilisation d'internet a montré des modèles où des heures de navigation excessives étaient liées à une santé mentale dégradée.

Les étudiants vivant avec leurs parents ont généralement rapporté une meilleure santé mentale par rapport à ceux qui vivaient seuls. Des facteurs comme la stabilité des revenus familiaux et les inquiétudes concernant le soutien social ont également été analysés pour leur impact sur le bien-être mental.

#Préparation des données

Avant d'utiliser les données dans les modèles d'apprentissage automatique, plusieurs étapes de prétraitement ont été effectuées. La gestion des valeurs manquantes n'était pas nécessaire, car il n'y en avait pas. La plupart des caractéristiques ont été converties de types catégoriques à des types numériques, ce qui est plus facile à traiter pour les machines.

Après la conversion des types de données, un processus de sélection des caractéristiques a permis d'identifier quelles caractéristiques étaient les plus importantes pour prédire la santé mentale. Cela a été fait en utilisant des méthodes qui comparent statistiquement les caractéristiques pour voir à quel point elles sont bien liées à l'état de santé mentale des étudiants.

#Modèles d'apprentissage automatique

Plusieurs modèles d'apprentissage automatique ont été utilisés pour prédire l'état de santé mentale. Les modèles incluaient Random Forest, Support Vector Machine, Decision Tree, et d'autres. Chaque modèle a été entraîné en utilisant le dataset prétraité. Diverses métriques de performance comme la précision, la précision, le rappel, et le score F1 ont été ensuite utilisées pour évaluer la performance de chaque modèle.

Le modèle Random Forest s'est avéré être le plus précis, atteignant un taux de précision impressionnant. CatBoost et d'autres modèles ont également bien performé, mais Random Forest a constamment surpassé les autres.

#Modèles d'apprentissage profond

Quatre modèles d'apprentissage profond ont également été utilisés dans l'étude. Ceux-ci incluaient des Réseaux de Neurones Convolutifs, des Réseaux de Neurones Récurrents, des Réseaux de Neurones Hybrides, et des Réseaux de Neurones Siamois. Comme pour les modèles ML, ces modèles d'apprentissage profond ont été entraînés sur le dataset dans le but de prédire l'état de santé mentale des étudiants.

Le Réseau de Neurones Siamois a fourni les meilleurs résultats parmi les modèles d'apprentissage profond. Il a efficacement géré les similitudes dans les données et nécessitait moins d'échantillons par classe pour l'entraînement.

#Résultats et conclusions

L'analyse a révélé plusieurs facteurs qui affectent significativement la santé mentale pendant la pandémie. Le test du Chi-Carré a mis en évidence cinq caractéristiques clés : revenu familial stable, perturbation de la vie quotidienne, revenu personnel, état de sommeil, et peur de l'infection.

Ces facteurs ont été trouvés liés à l'état de santé mentale des étudiants. Par exemple, les étudiants avec des revenus familiaux stables ont rapporté une meilleure santé mentale. De même, les craintes de contracter le virus ont empiré la santé mentale dans de nombreux cas.

La recherche a également montré que les étudiants en milieu rural ont généralement rapporté une meilleure santé mentale que ceux en ville. Beaucoup d'étudiants s'inquiétaient de prendre du retard dans leurs études, ce qui a impacté leur état mental.

#Forces et limites de l'étude

Cette recherche a plusieurs atouts. D'abord, elle s'est concentrée sur les étudiants universitaires au Bangladesh durant une période critique, où peu de recherches ont été faites. Le dataset rassemblé de plusieurs universités a permis d'avoir des perspectives diverses. L'étude a atteint une bonne précision avec différents modèles de classification.

Cependant, certaines limites étaient présentes. Tous les étudiants universitaires n'ont pas pu être inclus dans la recherche, ce qui pourrait affecter la généralisabilité des résultats. Comme les données étaient auto-reportées via un questionnaire en ligne, il pourrait y avoir des biais. De plus, la taille limitée du dataset signifie que plus de données pourraient améliorer la précision des prédictions.

#Conclusion

Dans l'ensemble, la pandémie de Covid-19 a eu un impact négatif significatif sur la santé mentale, particulièrement parmi les étudiants universitaires au Bangladesh. Cette étude a utilisé des techniques basées sur l'IA pour analyser des données du monde réel, fournissant des aperçus sur l'état de santé mentale des étudiants pendant cette crise.

Les résultats suggèrent que la stabilité des revenus familiaux et la capacité à s'adapter aux changements sont cruciales pour maintenir une bonne santé mentale. Les recherches futures devraient continuer à explorer ces questions et inclure des ensembles de données plus diversifiés pour mieux comprendre les effets à long terme des pandémies sur la santé mentale.

En améliorant notre compréhension de ces facteurs, les établissements éducatifs et les prestataires de soins de santé peuvent développer de meilleures ressources et systèmes de soutien pour aider les étudiants à maintenir leur bien-être mental pendant les périodes difficiles.