Variabel umum dan diferensial dari ketergantungan pada masa remaja: secara nasional survei berbasis ponsel pintar

Oktavyan Dwi Kurniawan  Kesehatan mental pada masa remaja sangat penting, dan merupakan prediktor gejala kecemasan di kemudian hari adalah depresi. Untuk mengatasi tantangan kesehatan mental ini, penting untuk memahami variabel yang terkait dengan kecemasan depresi pada masa remaja. Perkiraan pra-pandemi untuk kecemasan dan depresi menunjukkan bahwa sekitar 11,6% dan 12,9% masing-masing remaja terkena dampaknya. Menurut meta-analisis terbaru termasuk data dari 329.159 anak dan remaja ≤ 18 tahun antara Januari 2020 dan Desember 2023, namun 26% melaporkan gejala kecemasan dan 23% melaporkan gejala depresi. Untuk negara-negara tertentu, angkanya bahkan lebih tinggi prevalensi kecemasan selama wabah COVID-19 dan depresi pada remaja Tiongkok sebesar 37,4% dan 43,7% masing-masing.

                Gejalakecemasan dan depresi lebih mungkin terjadi pada individu yang lebih tua danperempuan, mereka membutuhkan sekolah tambahan, dukungan, dan mereka yang mengalami hubungan rumah tangga yang buruk. Oleh karena itu, tujuan dari penelitian ini adalah untuk mengidentifikasi prediktor kecemasan dan depresi pada sampel remaja dari survei nasional yang disediakan melalui ponsel pintar, aplikasi berbasis (app) di Jerman. Remaja berpartisipasi dalam penelitian ini tanpa rekrutmen yang ditargetkan, karena aplikasinya tersedia untuk umum di toko aplikasi. Pendekatan ini mengatasi beberapa hal keterbatasan yang biasanya terkait dengan mental (remaja).

                Penelitian dan layanan kesehatan (misalnya, Bantjes). Keterbatasan ini termasuk masalah penjadwalan (yaitu, remaja mengandalkan jadwal dan mobilitas orang tua mereka untuk berpartisipasi dalam penelitian), keengganan remaja untuk berbagi pribadi informasi dengan para profesional, dan kebutuhan mereka akan  kemandirian  . Aplikasi yang serius seharusnya menjamin anonimitas, sehingga membantu mengatasi stigmatisasi, dan memungkinkan pengguna untuk memutuskan sendiri kapan dan sejauh mana mereka memberikan data tentang mental mereka. Penggunaan aplikasi kesehatan mental dalam penelitian membantu meningkatkan heterogenitas sampel misalnya, di rangkaian terbatas sumber daya, Lehtimaki dkk. Dan oleh Bührmann dkk (menghilangkan hambatan geografis, dan idealnya untuk menjangkau lebih banyak orang yang membutuhkan bantuan dasar diagnosis diri).

                Dengan pemilihan dan regularisasi variabel, metode pembelajaran ini mengidentifikasi variable yang paling penting, yang terkait dengan kecemasan dan depresi, masing-masing memberikan klasifikasi yang kuat. Berikut beberapa metodenya:

a.      a.  Peserta

    Menyertakan 278 remaja yang memberikan data melalui Aplikasi Corona Health (129 perempuan, usia rata-rata = 15,24, SD = 1,57, kisaran = 12–17). Aplikasi Kesehatan Corona tadinya yang diprakarsai oleh Unit Penelitian Kesehatan Jiwa Robert Koch Institute (RKI), yaitu federal Jerman badan kesehatan masyarakat yang bertanggung jawab atas pengendalian penyakit dan pencegahan, dan Universitas Würzburg, Ulm dan Regensburg. Tujuan Corona Health adalah memantau mental dan fisik kesejahteraan selama pandemi COVID 19. Pengguna dapat mengunduh Aplikasi Corona Health secara gratis dari Apple Store dan dari Google Play store.

b.      b. Analisa

    Menggunakan regresi logistik bersih elastis, yang diatur metode regresi, untuk mengklasifikasikan remaja di atas vs. Gejala yang relevan secara klinis depresi dan kecemasan. Fitur yang dipilih bisa lebih besar dari sampel ukuran, mencapai model yang jarang. Kami memilih untuk mengklasifikasikankasus dan kontrol (yaitu, individu di atas dan di bawah atas tingkat kecemasan yang relevan secara klinis dan depresi) karena ini mungkin lebih bermanfaat bagi praktisi dalam praktik klinis.

c.       c. Diskusi

    Dalam penelitian ini, kami menganalisis data remaja yang dilaporkan sendiri dikumpulkan dalam kehidupan sehari-hari melalui RKI Corona. Aplikasi Kesehatan antara Juli 2020 dan September 2022 hingga menemukan hubungan antara variabel dan gejala yang relevan dari depresi dan kecemasan. Kami menghitung dua elastis model regresi bersih untuk mengklasifikasikan individu sehat dan individu dengan gejala depresi atau gejala kecemasan, masing-masing.

Secara umum, kami menemukan tingkat prevalensi yang cukup tinggi masalah kesehatan mental dalam sampel. Hal ini mungkin terjadi disebabkan oleh bias seleksi mandiri dalam sampel kami: Sebagai Aplikasi Corona Health diiklankan di media Jerman dan partisipasi dalam survei ini bersifat sukarela, seseorang bisa saja melakukannya berpendapat bahwa individu yang sudah merasa tidak enak badan atau mereka yang sangat khawatir dengan pandemi ini menjadi lebih termotivasi untuk berpartisipasi dalam penelitian. Terlebih lagi, ada yang mungkin bertanya-tanya siapa yang mengunduh aplikasi sepenuhnya secara sukarela, dan siapa yang dinasihati atau didorong oleh orang tuanya. 14,71% peserta dilaporkan menjalani psikoterapi pada saat survei dilakukan, angka ini jauh lebih tinggi daripada angka tersebut.

Rata-rata remaja nasional Jerman (1,4% dari seluruh penduduk Jerman anak-anak/remaja, tingkat tertinggi 2,5% di antara berusia 15 hingga 19 tahun; Jaite dkk. [25]. Sehingga membuat para orang tua khawatir mungkin telah mendorong anak-anak mereka untuk mencari bantuan atau mengambil bagian dalam studi ilmiah tentang kesehatan mental, terkemuka ke sampel yang berpotensi tidak representatif. Namun, bias mungkin telah memperkuat analisis kami dan model. Dengan memberikan sampel yang lebih seimbang dibandingkan populasi umum, yang biasanya mencakup lebih banyak orang. individu yang sehat dibandingkan mereka yang mengalami kecemasan atau depresi gejala, kami berpotensi meningkatkan akurasi. Data yang tidak seimbang dapat mengganggu klasifikasi model, seperti halnya kelas mayoritas cenderung terlalu terwakili dan terlalu diklasifikasikan.  Beberapa peneliti sengaja melebih-lebihkan kelas minoritas—dalam kasus kami, peserta dengan klinis gejala yang relevan—dengan mengambil sampel yang kurang dari mayoritas atau mengambil sampel minoritas secara berlebihan. Oleh karena itu, kita percaya analisis klasifikasi memberikan hasil yang kuat, meskipun ada kemungkinan bias seleksi mandiri.

Kesimpulan hasil ini  menunjukkan bahwa laporan mandiri berbasis aplikasi memberikan informasi yang dapat mengklasifikasikan gejala kecemasan dan depresi pada masa remaja dan dengan demikian menawarkan wawasan baru mengenai pola gejala yang berkaitan dengan mental remaja dan masalah kesehatan. Temuan ini menggarisbawahi potensi aplikasi kesehatan dalam menjangkau kelompok besar remaja dan remaja mengoptimalkan diagnostik dan pengobatan.