MARC

 008250123s2024        us                              c    eng  d
■001000017161561
■00520250211151413
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382777641
■035    ▼a(MiAaPQ)AAI31293053
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a150
■1001  ▼aVidal  Bustamante,  Constanza  M.▼0(orcid)0000-0003-1930-7179
■24510▼aPrecision  Examination  of  Real-world  Stress  and  Behavior  Using  Deep  Digital  Phenotyping
■260    ▼a[Sl]▼bHarvard  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a259  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-12,  Section:  B.
■500    ▼aAdvisor:  Buckner,  Randy;Somerville,  Leah.
■5021  ▼aThesis  (Ph.D.)--Harvard  University,  2024.
■520    ▼aLife  stress  has  been  consistently  linked  to  poor  mental  health  outcomes,  but  we  know  comparatively  less  about  the  more  proximate  impacts  of  life  stress  on  daily  affect  and  behavior.  The  current  dissertation  leverages  recent  advances  in  digital  technology  and  analytical  approaches  to  examine  real-world  life  stress  and  its  affective  and  behavioral  correlates  in  a  cohort  of  first-year  college  students  naturally  exposed  to  multifaceted  stressors  as  they  transitioned  to  college  life.  For  a  full  academic  year,  participants  provided  continuous  accelerometer  data  from  an  actigraphy  wristband  for  the  objective  estimation  of  sleep  duration  and  waketime  activity.  Additionally,  participants  used  their  phones  to  complete  daily  self-reports  of  perceived  stress  sources,  affect,  behavior,  as  well  as  the  main  events  of  their  day,  and  completed  periodic  web-based  assessments  of  global  psychopathology  symptoms.  Similar  data  was  collected  in  a  timely  3-month  follow-up  study  as  the  same  participants  underwent  a  new,  unprecedented  life  transition:  the  beginning  of  the  COVID-19  pandemic.  Following  a  general  review  of  relevant  background  literature  in  Chapter  1,  novel  insights  into  real-world  life  stress  drawn  from  these  datasets  are  offered  across  three  papers  presented  in  Chapters  2  through  4.Chapter  2  (Paper  1)  examines  fluctuations  in  stress,  affect,  and  behavior  over  the  course  of  the  first  year  of  college.  Negative  emotions,  sleep  patterns,  and  academic  and  social  activity  varied  substantially  over  the  course  of  the  year  as  well  as  between  individuals.  Critically,  while  academics  were  a  common  source  of  stress  for  all  students,  a  vulnerable  subgroup  reporting  greater  frequency  of  perceived  social  stress  went  on  to  report  the  highest  global  clinical  symptoms  at  the  end  of  the  year,  suggesting  dissociable  effects  of  different  stress  sources  on  mental  health.  Two  years  later,  during  the  COVID-19  pandemic,  the  first-year  subgroup  with  highest  distress  again  stood  out  by  frequent  social  stress  and  elevated  clinical  symptoms,  suggesting  that  focus  on  sustained  interpersonal  stress,  relative  to  academic  stress,  may  be  especially  helpful  to  identify  students  at  heightened  risk  for  psychopathology.Chapter  3  (Paper  2)  introduces  a  novel  individual-level  linear  model  (iLM)  to  estimate  day-to-day  associations  between  perceived  stress  levels  and  actigraphy-derived  sleep  duration  within  individuals  and  unbiased  by  the  group.  While  stress  and  sleep  duration  were  inversely  related  in  most  participants,  the  iLM  revealed  that  the  temporal  direction  of  these  associations  is  person-specific,  identifying  a  variety  of  individual  phenotypes  that  may  account  for  the  diverse  group-level  findings  reported  in  prior  literature:  for  some,  elevated  stress  in  the  day  was  associated  with  shorter  sleep  later  that  night;  for  others,  shorter  sleep  was  associated  with  elevated  stress  the  next  day;  others  showed  both  directions  of  associations,  and  some  showed  no  association.  Paired  with  intensive  longitudinal  data,  our  individual-level  model  provides  a  precision  framework  for  the  estimation  of  stable  real-world  behavioral  and  psychological  dynamics,  and  may  support  the  personalized  prioritization  of  intervention  targets  for  health  and  wellbeing.Chapter  4  (Paper  3)  investigates  the  proximate  correlates  of  academic  and  social  stressful  events  on  daily  affect  and  behavior  within  individuals.  Experiences  of  stress  were  characterized  from  participants'  daily  voice  diaries  narrating  the  main  events  of  the  day,  using  a  combination  of  human  labeling  and  large  language  models  fine-tuned  for  sentiment  analysis  and  topic  modeling.  Multilevel  models  assessing  within-person  associations  found  that  days  with  academic  stressful  events  were  characterized  by  shorter  sleep  duration  and  decreased  physical  activity,  as  well  as  by  reduced  social  interaction  and  increased  time  spent  on  schoolwork.  Meanwhile,  days  with  social  stressful  events  were  not  systematically  associated  to  changes  in  behavior,  but  they  stood  out  by  heightened  negative  affect,  above  and  beyond  the  effect  of  academic  events.  Our  results  suggest  that  academic  and  social  dimensions  of  life  stress  may  have  distinct  signatures  on  daily  affect  and  behavior,  which  in  turn  may  go  on  to  shape  individuals'  long-term  wellbeing.Chapter  5  discusses  the  main  contributions  and  limitations  of  this  body  of  work.  In  all,  the  current  dissertation  provides  valuable  insights  into  the  effects  of  life  stress  on  real-world  emotions,  behavior,  and  overall  wellbeing  at  multiple  timescales.  Our  approach  offers  a  foundation  for  the  characterization  of  life  dynamics  at  both  the  individual  and  the  group  levels,  with  potential  implications  for  the  development  of  precision  health  and  wellbeing  interventions.
■590    ▼aSchool  code:  0084.
■650  4▼aPsychology
■650  4▼aMental  health
■650  4▼aClinical  psychology
■650  4▼aBehavioral  psychology
■653    ▼aActigraphy
■653    ▼aDigital  phenotyping
■653    ▼aSleep
■653    ▼aSmartphones
■653    ▼aStress
■690    ▼a0621
■690    ▼a0347
■690    ▼a0622
■690    ▼a0384
■71020▼aHarvard  University▼bPsychology.
■7730  ▼tDissertations  Abstracts  International▼g85-12B.
■790    ▼a0084
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17161561▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서