Анализ ментального здоровья студентов

В современном обществе вопрос ментального здоровья студентов становится все более актуальной темой. Студенческая жизнь часто сопровождается высоким уровнем стресса, тревожности и другими психическими расстройствами, что может негативно влиять на академическую успеваемость и здоровье в целом. Этот проект направлен на анализ данных о ментальном здоровье студентов с целью выявления ключевых факторов, влияющих на их психоэмоциональное состояние. Как студент, я сама сталкиваюсь с трудностями, связанными с эмоциональным состоянием на фоне учебного процесса, поэтому мне было важно углубиться в эту тему. В процессе работы будет введен специальный термин «коморбидность», который поможет выявить статистику одновременного наличия нескольких психических расстройств у студентов.

Данный проект и выбранный для анализа дататест на платформе Kaggle «Student Psychological Well-Being Survey Data» позволяет анализировать закономерности, выявлять факторы риска и изучать взаимосвязь между академической жизнью и психологическим здоровьем. Для визуализации данных были созданы 4 типа графика с использованием языка Python, а для оптимизации кода, выявления критических ошибок и создания иллюстраций к проекту применялся ChatGPT. —>Столбчатая диаграмма —>Линейный график —>Тепловая карта —>Линейный график

Визуальное оформление проекта вдохновлено работами Тони Аллена, мультимедийного художника, который работает в некоммерческой организации, оказывающей поддержку людям с черепно-мозговыми травмами, предоставляя им доступ к творческим проектам. В рамках проекта «Submit to Love Studios» Аллен использует яркие и жизнерадостные цвета, а также послания, которые помогают поднять настроение и создать атмосферу любви. Эта концепция соотносятся с идеей оказания поддержки тем, кто в ней нуждается, поскольку студенты часто сталкиваются с необходимостью отвлечься от учебных нагрузок и погрузиться в творческий процесс. Цветовая палитра проекта сформирована на основе цветовых решений, характерных для работ Аллена.

Данные были загружены с Google Drive с помощью библиотеки gdown. После загрузки были переименованы колонки для удобства работы. Затем типы данных были приведены к нужным форматам: колонка age была преобразована в числовой тип, а study_year — в текстовый. Бинарные признаки, содержащие значения "Yes" и "No", были закодированы в числовой формат (1 и 0 соответственно).

Также была вычислена коморбидность, представляющая собой сумму признаков психических состояний. В результате был создан финальный датасет, включающий необходимые колонки для дальнейшего анализа.

График показывает гендерные различия в распространённости психических состояний среди студентов: в выборке женщины чаще сталкиваются с депрессией и паническими атаками, тогда как мужчины с тревожностью. Конкретно: депрессия — 38.7% у женщин против 23.1% у мужчин, тревожность — 32.0% у женщин против 38.5% у мужчин, панические атаки — 33.3% у женщин против 30.8% у мужчин. Данная столбчатая диаграмма позволяет сделать промежуточный вывод о том, что среди обследованных студентов существуют гендерно различающиеся профили психических расстройств.

Для корректной визуализации различий в уровне депрессии, тревожности и панических атак среди студентов в зависимости от гендера в коде были выполнены следующие шаги:

— Импортированы библиотеки pandas, matplotlib и seaborn для обработки данных и визуализации. — Заданы пользовательские цвета для каждого психоэмоционального состояния, что повышает читаемость и логическую связность графика. — Настроен единый стиль визуализации, отключены верхняя и правая оси для более чистого отображения.

Далее можно обратиться к линейному графику, на котором отображены доли студентов с тремя психическими состояниями по возрасту: размер точек здесь отражает коморбидность, одновременное наличие у одного человека двух и более расстройств.

По графику видно выраженные возрастные различия: тревожность достигает пика примерно в 21 год, депрессия наиболее заметна около 20 лет, тогда как панические атаки чаще встречаются эпизодически, заметные значения появляются около 19 и в диапазоне 23–24 лет. В отдельных возрастах некоторый показатель равен нулю, что может указывать как на реальные колебания распространённости. Наконец, крупные точки в возрастных группах около 18–21 и на 24 годах подчёркивают, что в эти периоды нередко наблюдалось сочетание состояний, что требует внимания к комплексной диагностике и вмешательствам.

Аналогично предыдущей работе с кодом, сначала были загружены модули и датасет. Затем извлекались данные о заболеваемости психическими состояниями по возрасту и введен специальный термин коморбидности для наглядности и оптимизации данных. Затем строился график в заданном визуальном стиле и цветах.

На тепловой карте показано распределение среднего числа сопутствующих состояний по диапазонам CGPA и курсам. (CGPA — средний балл студента, отражающий его успеваемость по всем курсам)

Наибольшая средняя коморбидность — у студентов с CGPA 2.50–2.99 на 1 курсе, а также заметно повышена в группе CGPA 3.50–4.00 на 2 курсе. Самые низкие значения наблюдаются в диапазоне CGPA 0–1.99 почти ноль в представленных годах, а также у лучших студентов на 4 курсе. Группа CGPA 3.00–3.49 демонстрирует относительно стабильную умеренную коморбидность по всем курсам.