调查显示因疫情宅家超九成大学生有不同程度社交焦虑

一项调查显示:因疫情宅家 超九成大学生有不同程度社交焦虑

从今年1月29日教育部下发通知要求2020年春季学期延期开学,学生在家不外出、不聚会、不举办和不参加集中性活动开始,大学生们宅家学习的效率,就成为社会公众关注的焦点。网络上,各种大学生宅家学习“指南”的点击率,分分钟蹿上热搜榜前十的位子。

在缺乏子女照料的情况下,独居老人的日常生活管理,包括洗澡/穿衣/饮食,慢性病管理,以及身体康复等问题都显得格外重要。

与此同时,她也表示,

据了解,除了代表当地的万齐家表示反对外,来自Bedford-Stuyvesant的市议员Robert Cornegy、布朗士的Ritchie Torres、以及皇后区Donovan Richards均宣布支持;市议会将在11月4日之前投票表决,并有另外15天时间对申请进行修改。(颜洁恩)

调研还进一步开展了对大学生“社交焦虑”情况的调研。疫情期间的日常交流,有88.8%的同学更倾向于使用微信或QQ等社交媒体,仅有9.9%的同学选择“面谈”。此外,有91.5%的同学认为自己对网络社交产生了不同程度的依赖感,有90.2%的同学在网络社交中,会因为对方长时间不回复而产生不同程度的焦虑;在社交平台上分享生活时,54.6%的同学只是抱着想分享的目的发表,但有40.2%的同学会比较在意他人的反馈。

在一项开创性研究中,研究人员在ICU室中安装了环境传感器(Ambient Sensors ),从八名患者中收集了362小时的数据。

经过实验研究表明,使用加速计(Accelerometers)来估算30名慢性肺病患者的临床标准(6分钟102步),其平均错误率为6%,而且可穿戴设备附着在身体上,也给患者带来不便。相反,非接触式传感器可以持续测量步态,提高保真度,并创建交互式的家庭康复程序。

然而,这些研究仅是在少数环境中的测验结果,日常生活空间是高度可变的,因此广泛应用还存在一定的挑战。此外,隐私也是一个重要问题。如果这项技术应用到日常生活空间,其开发和验证隐私安全系统至关重要。

步态分析(Gait Analysis)在身体康复和慢性病管理中,是诊断和测量治疗效果的重要工具。

针对开学后的社交焦虑缓解途径,报告也给出一些调研数据。比如,有85.5%的同学认为应当调整自己的状态,保持良好的精神面貌;74.3%的同学认为开学后要多找朋友们聊天,适应面对面社交的状态;65.8%的同学选择在做好安全防护措施的前提下,偶尔走出家门,增加社会互动;59.2%的同学选择了适当进行体育锻炼,保持身体的活力来应对社交焦虑。

与三位医师的人工检查相比,机器学习算法将患者运动分为床内活动,床外活动和步行活动,其准确性达到了87%。

从管理的角度来看,环境智还可以改善基于活动的成本核算。目前,员工观察、访谈与电子健康记录被用于将临床活动,并与成本相关。如之前所说,环境智能可以自动识别临床活动、统计医护人员以及估计活动持续时间。但目前还缺乏环境智能用于成本核算方面的数据验证。

环境摄像机是一个不错的方式。在一项前列腺切除术中,研究人员通过视频训练卷积神经网络来跟踪手术中的针头驱动器,结果与12位外科医生的手术相比,其准确度达到了92%。

几十年来,研究人员开发了带有可穿戴设备和非接触式环境传感器的坠落检测系统。经测试发现,可穿戴设备检测跌倒的准确率为96%,而环境传感器的准确率为97%。

雷锋网原创文章,。详情见转载须知。

在一项研究中,研究人员在老年人的卧室内安装了深度传感器和温度传感器,观察了其在1个月内的1690次活动,包括231例护理员协助。结果显示,卷积神经网络在检测协助方面的准确率达到了86%。

此外,在另一项更大的测试中,研究人员在八个ICU病房中安装了深度传感器,其算法在379个视频上训练了卷积神经网络,并将移动性活动分为了四类。

每次病人就诊期间或之后,医生都要进行记录。有数据统计,临床医生将35%的时间花都在了整理医疗文件上,这导致患者医疗时间的缩短,以及管理成本的提高。应对这一问题,环境麦克风( Ambient Microphones)是一种有效地解决方案。

随着人工智能技术的不断发展,数据隐私越来越成为一个敏感话题。李飞飞团队表示,其是在考虑到隐私和安全的情况下来开发这项技术的,而且不仅在技术本身方面,在开发过程中所有利益相关者的持续参与方面也是如此。

而在另一项不同的研究中,研究人员从老年人的家中收集了10天的视频,也得出了相似的结果。比如麦克风检测淋浴和如厕活动,准确率分别为93%和91%。

此外,研究人员将深度传感器用于16所老年公寓进行了为期2年的试验测试,结果显示,传感器每月产生一次误报,摔倒检测率为98%。同时,环境传感器能够及时向辅助生活社区的护理人员提供实时电子邮件警报,与其他老年人的数据对比,其实时干预的方式显著减缓了86名老年人的功能衰退。

日落公园第七小区委员会委员关雅泉表示,他在当地居住了32年,非常清楚小区的状况,在新冠肺炎疫情冲击下,我们更需要在当地、城市以及整个国家制造更多就业机会;他指出,工业城涉及的轻工业、科技产业不会对西语裔在5大道、或是华人在7、8大道的商业带来竞争,两者的消费群根本不一样,无需担心工业城的发展会威胁当地小商家。

深度感应器(Depth Sensor):测量目标物体的距离。 温度传感器(Thermal Sensor):测量表面温度。 无线电传感器(Radio Sensor):估计距离和速度。 声传感器(Acoustic Sensor):测量空气压力形成的声波。

报告认为,这与大学生对心理咨询工作了解较少有一定关系,有46.7%的同学“不了解”什么是心理咨询,也没与学校心理咨询老师交流过或者参加一些心理讲座。

62.5%的同学认为社交焦虑会使自己经常害怕做得不好或者做错了什么,58.6%的同学会不自信、容易自卑。同时,有38.2%的同学会伪装自己,讨好别人,也会开始少言寡语;34.2%的同学会出现过多的自我指责,27.0%的同学会无法集中精神。

此外,一些医疗保健组织仍然存在与数据代理等第三方共享患者信息的情况。为了缓解这种情况,患者应主动要求医疗保健提供者采用隐私保护措施。另外,临床医生和技术人员必须与关键利益相关者(例如,患者、家人或护理者)、法律专家和决策者合作,以开发环境系统的治理框架。

在一项研究中,研究人员收集了病人与医生之间的90000次对话,在产生的14000小时的门诊音频上进行了深度学习训练,结果该算法显示单词的转录准确率达到了80%。而且就临床实用性而言,一位医护人员发现,检测眼镜上的麦克风将记录文档的时间从2小时缩短到15分钟,其与患者相处的时间增加了一倍。

网课学习有利有弊。调查结果显示,疫情过后,希望继续在网络平台学习的学生占21.9%,不希望继续在网络平台学习的学生占35.6%,希望网络课程和线下课堂相结合的占42.5%。

报告指出,上述现象均表明,社交焦虑对于学生自身正常的社交、自我认识和平时的学习工作等都会造成严重的影响。但是,61.8%的同学在面对社交焦虑时,没有寻求帮助,觉得自己可以解决。甚至有24.4%的同学不重视社交焦虑,感觉没有必要寻求别人的帮助。

与现代智能驾驶系统类似,这种环境智能可以帮助临床医生和家庭护理人员改善身体运动,这是现代医疗保健的关键一步。临床物理行动支持已经实现了更好的制造、更安全的自主车辆以及更智能的运动娱乐,而物理空间也可以将生物医学中的快速流动转化为无差错的医疗保健服务。

一项研究使用深度传感器测量了9名帕金森病患者的步态模式。研究发现,深度传感器可以跟踪膝盖的垂直运动,其误差仅在4厘米以内。

主要存在于两个层面:

AI+医疗,隐私保护是重中之重

识别复杂场景中的人类行为:需要进行跨机器智能的多个领域进行研究,例如视觉跟踪,人体姿势估计以及人与物体的交互模型。 应对临床环境中的大数据和罕见事件:这需要新的机器学习方法,以能够对罕见事件进行建模并处理要开发的大数据。

报告指出,宅家学习严重限制了同学们的室外活动,又因为室内空间有限或其他原因,导致同学们难以好好锻炼身体;此外,没有规律的作息方式、过长时间使用电子产品以及不健康的饮食习惯也导致了同学们身体健康方面的问题。值得注意的是,同学们在对自身健康进行评价时,最担心的是“身体健康”。

所谓环境智能,即通过机器学习和非接触式传感器能够对人类存在做出敏感反应和反馈的电子空间。它对于医院和日常生活空间有着极大的应用价值。

“AI Sensors”(人工智能传感器)必将对病患治疗,养老和医疗服务产生深远影响,而我们的研究仅仅是走出的小小一步。

在全球范围内,每年大约会有超过2.3亿次手术,其中,14%的患者会发生医疗事故。如果有更快更有效的手术反馈系统,可以显著地将发生的概率降低到50%。

李飞飞研究团队认为,环境智能可以在缓解临床服务的压力,提高医疗服务质量和效果方面发挥重要作用,并且可应用于多个医疗空间中。

调研还针对学生疫情期间身心健康方面做了专项研究。疫情居家期间,有73.2%的学生与父母有高频率的交流,并且绝大部分同学都有在家做家务为父母分摊压力的行为,还有36.6%的学生居家期间仍坚持体育锻炼。在对自身健康状况进行评价时,选择“健康状况相对良好”和“处于亚健康状态”的同学占比分别为45.1%和36.6%。

报告显示,现阶段,约七成的同学网课学习以直播课和录课为主,“先看录课、再进行直播讲解”只是其中较小的部分。同学们在上网课期间的出勤情况较好,有77.5%的同学会按要求出勤每一节课。但相较于线下课程,超过八成的同学无法完全掌握老师讲解的知识,或多或少存在疑惑。这说明网课的形式对同学们的学习效率确实存在一定影响。

94.1%的同学会在参加聚会或一些社交活动时产生不同程度的焦虑,88.2%的同学在课堂和会议上被当众提问时会感到紧张焦虑。值得警惕的是,45.4%的同学讨厌人多的地方,害怕表现自己;42.7%的同学经常手机不离身,装作自己很忙的样子;40.1%的同学表示自己能打电话的绝不会当面说,能发消息的绝不打电话;39.5%的同学在看到认识的人时“不知道怎么打招呼、会选择绕道而走”。

非接触式环境传感器可以检测老人在更大范围的活动,同时还可以检测到心率、血糖水平和呼吸频率等一些更细微的临床数据。

重症监护室(ICU)

除了隐私方面,李飞飞团队也考虑到了人工智能可信赖性的其他三个方面,包括公平,透明以及研究伦理。不过,他们表示,解决以上四类因素,需要医学,计算机科学,法律,道德以及公共政策等领域的专家之间的密切合作。

在解决线上学习出现的问题时,77.9%的同学会自己查找资料,58.7%的同学合理利用学习软件,60.6%的同学会选择与同学讨论。值得注意的是,只有31.2%的同学选择直接询问老师。这是大学生与中小学生网课的较明显区别,他们更倾向于自主学习,而不是与老师互动。

而当二者结合使用时,深度传感器的跌倒检测精度从90%提高到98%,这表明非接触式传感器和可穿戴式传感器之间存在潜在的协同效应。

而在另一项研究中,研究人员使用深度传感器为脑瘫患者制作了一个运动游戏。经过24周的测试,使用游戏的患者的平衡和步态提高了18%。而如果将麦克风与可穿戴传感器结合使用,其步态检测可以从3%提高到7%。

当在184个视频的样本数据集上进行验证时,该算法显示出87%的灵敏度,以及89%的特殊性。

疫情对大学生社交的影响看上去比对学业的影响更大,大部分同学在需要语言交流时,尤其在当面交流的情况下,会感到不舒适,选择逃避。

AI传感器助力多维度医疗空间

比如在医院领域,可以实现更高效的临床工作流程,改善重症监护病房和手术室的患者安全;在日常生活中,通过了解日常行为改善慢性病患者管理,提高老年人的独立性等。

引用链接:雷锋网雷锋网(公众号:雷锋网)雷锋网

当然,与其他技术类似,大规模转换为临床应用必须克服严峻的临床验证,适当的数据隐私以及模型透明性等挑战。

抑郁症、焦虑症和双相情感障碍等精神疾病影响着美国4300万成年人,欧盟1.65亿人。据估计,56%患有精神疾病的成年人由于经济问题,或者可获得性障碍而没有寻求治疗。

目前,面对面评估的方法存在成本高、观察者偏见以及人为失误等问题的限制,而非接触式环境传感器可以有效地解决以上问题,并提供连续且准确的患者运动数据。

同样地,本次科研成果依然以智能传感器为核心,但其解决方案是面向医院和日常生活的物理空间,实现更大范围的环境智能。

另外,在一项胆囊切除手术中,研究人员使用了十种方式的切除视频来重建手术过程中器械的运动轨迹,其能够达到专家级外科医生的水平。

通过环境智能提供及时的临床护理,可以将日常生活能力提高2倍,并且降低每年的死亡率。传统日常生活管理的方法是通过自我报告/照料者手工评分完成的,经常会出现主观偏见、测量不及时等问题。

据统计,在美国,重症监护病房每年需要花费1,080亿美元,占医院总费用的13%。在重症患者中,神经肌肉损害可能导致一年死亡率增加两倍,住院费用增加30%,尽早动员患者接受环境智能的监测可使得相对发生率降低40%。

此前,她曾与Arnold Milstein教授展开过深度合作,尝试在ICU场景中引入智能传感器,以改善医护人员因系统低效、成本高、人手不足等问题可能带来的安全威胁,这一解决方案在多家医院进行了测试。

该论文名为《利用环境智能照亮医疗的黑暗空间》,旨在通过人工智能与非接触式传感器的结合实现环境智能,以潜在地改善医疗保健服务的物理执行。

基于“环境智能”的AI医疗解决方案

日前,东华大学团委发起了一项关于大学生疫情期间学习、健康、生活情况的调研,654名大学生参与其中。

全球人口老龄化的趋势正在逐年增加,据统计,到2050年,世界65岁以上的人口将从7亿增加到15亿。

总体而言,虽然通过实时监测与反馈,环境智能可以减少医护人员意外的临床错误,帮助患者实现疾病筛查与诊断,协助老年人提高日常生活自理能力,但其技术在现实场景和应用,以及更大范围内的应用还存在诸多挑战和机遇。

论文被《Nature》收录后,李飞飞在朋友圈透露,这篇论文是两代博士生、10几位本科/硕士/博士/博士后,以及近10位斯坦福医学院医生和教授,历经8年心血共同打造而成。

此外,老年人独立生活的另一应用是摔倒检测(Fall Detection)。有数据统计,大约29%的社区居民每年至少跌倒一次,而跌倒后躺在地上超过一小时以上,其死亡率会增加5倍。

环境智能在其中发挥作用的一个用例是计算机辅助患者运动监测。

“疫情期间,大学生们的学习方式、生活方式等都遭到了不同程度的冲击,这对学生们身心健康、学习效果和生活状态都可能产生重大影响。”共青团东华大学委员会书记沈洁告诉记者。

宅家学习,虽然能让学生较为合理地分配娱乐和学习时间,但也存在容易让人懈怠、容易受其他因素影响的问题。比如,53.1% 的同学表示容易受游戏等因素的诱惑,学习态度时好时差,容易被干扰;有51.9%的同学对自己的时间规划感觉一般,有31.9%的同学对自己的时间管理不满意。

如图展示了一些现有的和新兴的隐私保护技术。一种方法是通过删除个体身份来反标识数据。另一种方法是数据最小化,它将数据捕获、传输和人员兼捕最小化。当一个病房无人时,环境系统检测可能会暂停,但即使数据被取消识别,也可以重新识别个体。超分辨率技术可以部分逆转面部模糊和降维技术的效果,从而有可能实现重新识别。这表明数据应保留在设备上,以减少未经授权访问和重新识别的风险。

虽然有79.3%的同学有改善身心健康的计划,但其中只有6.1%一直坚持执行计划。同学们对于身心健康的自我调整不够重视,很多计划并没有落到实处,60.9%的同学在疫情期间虽然制定了目标,但是只能完成一部分。

但另一部分以华人为主的亚裔民众认为,工业城的扩张将会带动小区经济成长,带给当地民众2万个工作机会,希望该案尽速通过;日前寄信给张晟的工业城支持者中,包括来自小区第七委员会成员、企业和房产业者以及小区代表等,其中30%是居住在当地的亚裔美国人。

2018年,约有7.4%的美国人需要过夜的医护人员。同年,英国国家卫生服务局(NHS)报告了1700万入院病例,医护人员超负荷工作,人手不足,资源有限的问题已经相当严峻。

李飞飞在加入AI医疗浪潮之初,就将目光聚焦到了“AI Sensors”。在她看来,智能传感器、AI算法以及相关技术的进步为智慧医疗带来全新的可能性。

老年人独立生活的智慧化解决方案

环境传感器可以为检测认为提供连续且经济的症状筛查方法。在一项研究中,研究人员在30分钟半结构化临床访谈中收集了69个人的音频、视频以及深度数据。利用这些数据中患者的言语、上身运动,机器学习算法检测出46名精神分裂症患者,阳性预测值为95%,敏感性为84%。

利用环境摄像机检测算法,降低手术事故的发生频率。

他们在信中强调,亚裔成立的保护日落公园联盟,以及其他反对重新规划案的西语裔组织,他们反对工业城重新规划案的言论,并不代表整个日落公园民众的立场,而万齐家在该议题上的态度也与当地不一致。

论文中,研究人员通过几个示例性的临床使用案例和患者结果,验证了其研究算法和可行性和有效性,并且进一步讨论了更广泛的社会和道德因素,包括隐私,公平,透明等问题。

同时,环境传感器还可以进一步为其心理治疗提供更便宜、更高质量的解决方案。在一项研究中,研究人员使用麦克风和语音识别算法,从200个数据集(均为20分钟的访谈)中转录和评估了心疗愈师的方法,与人类评估委员会为标准,该算法的准确率为82%。

重要的是,在手术室中,环境智能不仅限于内窥镜影像( Endoscopic Videos),还可以用于物品计数。如监控手术器械,防止其意外地留在患者体内,或者计算人员,通过吊装式摄像头跟踪手术成员的身体部位,其误差可以低至5cm。

在被问到“每天时间分配情况”时,有19.4%的学生表示,自己大部分时间都用于学习,但仍有26.9%的学生表示“大部分时间用于娱乐”。值得注意的是,有1.3%的学生“只学习不娱乐”,还有5%的学生“只娱乐不学习”,47.5%的学生“学习和娱乐时间各占一半”。

从已有的新闻报道来看,一些家庭陷入了孩子与父母吵架、冷战,双方“相看两生厌”的状态。此外,此前有研究显示,社交焦虑的发生趋于年轻化且发生率逐年上升,约16%的大学生报告有“比较严重的社交焦虑”,并影响他们的基本生活。“因此,我们觉得有必要特别关注大学生们宅家的情况。”沈洁说。

dmvhawaii.com