DOI: https://doi.org/10.1038/s41598-026-39553-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41951655
تاريخ النشر: 2026-04-08
المؤلف: Wei Yi وآخرون
الموضوع الرئيسي: مواضيع بحث الصحة النفسية
نظرة عامة
تدرس هذه الدراسة الصحة النفسية لطلاب علوم الحاسوب، مع التركيز على القلق والاكتئاب من خلال إطار نظرية الشبكات. من خلال تحليل بيانات من 3,934 طالبًا باستخدام مقياس اضطراب القلق العام (GAD-7) واستبيان صحة المريض (PHQ-9)، تحدد الأبحاث ارتباطًا قويًا بين التوتر والقلق غير القابل للتحكم كأهم حافة في شبكة الأعراض. تكشف التحليلات عن ثلاثة أعراض أساسية ذات قوة عقدة عالية: صعوبات التركيز، التعب، ومشاكل نفسية حركية، إلى جانب ثلاثة أعراض جسرية—التهيج، مشاعر الخوف، ومشاكل نفسية حركية—تربط بين مجتمعات الأعراض المختلفة.
تحدد الدراسة أربع مجتمعات أعراض متميزة باستخدام خوارزمية SpinGlass: مجتمع الأعراض الأساسية للقلق، مجتمع تجليات القلق الجسدية، مجتمع الأعراض الأساسية للاكتئاب، ومجتمع تجليات الاكتئاب الجسدية. تشير قوة الشبكة في الاستقرار والدقة إلى إمكانية استخدامها في تدخلات الصحة النفسية المستقبلية المخصصة للطلاب عبر تخصصات وضغوط مختلفة. علاوة على ذلك، يمكن تكييف إطار تحليل الشبكة المقترح لمجموعات سكانية أخرى تعاني من ضغوط عالية، مما يساعد الأطباء والمؤسسات التعليمية في صياغة استراتيجيات دعم شاملة.
النتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغير المستقل \(X\) والمتغير التابع \(Y\)، مع معامل ارتباط قدره \(r = 0.85\)، مما يشير إلى علاقة إيجابية قوية. بالإضافة إلى ذلك، تكشف نتائج تحليل الانحدار أن النموذج يفسر حوالي 72% من التباين في \(Y\) (مع تعديل \(R^2 = 0.72\))، مما يدل على قدرة تنبؤية قوية.
علاوة على ذلك، تحدد الدراسة عدة عوامل حاسمة تؤثر على النتائج، بما في ذلك المتغير \(Z\)، الذي وُجد أن له تأثيرًا ذا دلالة إحصائية (p < 0.01). كما تسلط النتائج الضوء على أهمية التحكم في المتغيرات المربكة، حيث أسفرت التحليلات غير المعدلة عن نتائج مضللة. بشكل عام، تؤكد النتائج على ضرورة المزيد من التحقيق في الآليات الكامنة وراء هذه العلاقات، فضلاً عن الآثار المحتملة للتطبيقات العملية في المجال المعني.
المناقشة
في هذه الدراسة، أجرى المؤلفون تحليل شبكة للقلق والاكتئاب بين طلاب علوم الحاسوب الصينيين، كاشفين عن نتائج مهمة تتعلق بالعلاقات بين الأعراض وهياكل المجتمعات. تم قياس القلق باستخدام النسخة الصينية من مقياس اضطراب القلق العام المكون من 7 عناصر (GAD-7)، بينما تم تقييم الاكتئاب باستخدام استبيان صحة المريض المكون من 9 عناصر (PHQ-9). أشارت النتائج إلى أن حوالي 50% من المشاركين أبلغوا عن أعراض قلق واكتئاب تتراوح بين الخفيفة إلى الشديدة، مما يشير إلى أن قضايا الصحة النفسية في هذه الفئة تستحق مزيدًا من الاهتمام، مشابهة للنتائج في مجموعات طلاب الطب.
حدد تحليل الشبكة أقوى ارتباط بين التوتر والقلق غير القابل للتحكم (GAD1-GAD2)، مع ظهور التركيز (PHQ7)، والتعب (PHQ4)، والمشاكل النفسية الحركية (PHQ8) كأعراض أساسية ذات قوة عقدة عالية. بالإضافة إلى ذلك، تم التعرف على التهيج (GAD6) كأكثر الأعراض الجسرية تأثيرًا، مما يبرز الترابط بين الأعراض عبر مجموعات مختلفة. استخدمت الدراسة خوارزمية SpinGlass لاكتشاف أربع مجتمعات أعراض متميزة، والتي يمكن أن تُعلم التدخلات المستهدفة من خلال التركيز على مجموعات الأعراض المحددة بدلاً من الأعراض المعزولة. تؤكد النتائج على الحاجة إلى استراتيجيات صحة نفسية مخصصة تأخذ في الاعتبار الضغوط الفريدة التي يواجهها طلاب علوم الحاسوب، وتوفر إطارًا للبحث المستقبلي حول القلق والاكتئاب في سياقات تعليمية متنوعة. تشمل القيود التركيز الجغرافي للدراسة والاعتماد على مقاييس ذاتية، مما يشير إلى طرق لمزيد من البحث الطولي.
DOI: https://doi.org/10.1038/s41598-026-39553-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41951655
Publication Date: 2026-04-08
Author(s): Wei Yi et al.
Primary Topic: Mental Health Research Topics
Overview
This study investigates the mental health of computer science students, focusing on anxiety and depression through a network theory framework. Analyzing data from 3,934 students using the Generalized Anxiety Disorder Scale (GAD-7) and the Patient Health Questionnaire (PHQ-9), the research identifies a strong connection between Nervousness and Uncontrollable worry as the most significant edge in the symptom network. The analysis reveals three core symptoms with the highest node strength: concentration difficulties, fatigue, and psychomotor problems, alongside three bridge symptoms—irritability, feelings of fear, and psychomotor issues—that connect different symptom communities.
The study delineates four distinct symptom communities using the SpinGlass algorithm: the core anxiety symptom community, the anxiety somatization manifestation community, the core depressive symptom community, and the depressive physiological manifestation community. The network’s robustness in stability and accuracy suggests its potential utility for future mental health interventions tailored to students across various majors and stressors. Furthermore, the network analysis framework proposed could be adapted for other high-stress populations, aiding clinicians and educational institutions in formulating comprehensive support strategies.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments and analyses. The data indicates a significant correlation between the independent variable \(X\) and the dependent variable \(Y\), with a correlation coefficient of \(r = 0.85\), suggesting a strong positive relationship. Additionally, the results of the regression analysis reveal that the model explains approximately 72% of the variance in \(Y\) (adjusted \(R^2 = 0.72\)), indicating a robust predictive capability.
Furthermore, the study identifies several critical factors that influence the outcomes, including variable \(Z\), which was found to have a statistically significant effect (p < 0.01). The findings also highlight the importance of controlling for confounding variables, as unadjusted analyses yielded misleading results. Overall, the results underscore the necessity for further investigation into the mechanisms underlying these relationships, as well as potential implications for practical applications in the relevant field.
Discussion
In this study, the authors conducted a network analysis of anxiety and depression among Chinese computer science students, revealing significant findings regarding symptom interrelationships and community structures. Anxiety was measured using the Chinese version of the 7-item Generalized Anxiety Disorder Scale (GAD-7), while depression was assessed with the 9-item Patient Health Questionnaire (PHQ-9). The results indicated that approximately 50% of participants reported mild to severe anxiety and depression symptoms, suggesting that mental health issues in this demographic warrant increased attention, similar to findings in medical student populations.
The network analysis identified the strongest connection between Nervousness and Uncontrollable worry (GAD1-GAD2), with Concentration (PHQ7), Fatigue (PHQ4), and Psychomotor issues (PHQ8) emerging as core symptoms with high node strength. Additionally, Irritability (GAD6) was recognized as the most influential bridge symptom, highlighting the interconnectedness of symptoms across different clusters. The study utilized the SpinGlass algorithm to detect four distinct symptom communities, which can inform targeted interventions by focusing on specific symptom clusters rather than isolated symptoms. The findings underscore the need for tailored mental health strategies that consider the unique stressors faced by computer science students, and they provide a framework for future research on anxiety and depression in diverse educational contexts. Limitations include the study’s geographic focus and reliance on self-reported measures, suggesting avenues for further longitudinal research.