Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de recherche

Efficacité des interventions de santé numérique sur le stress, l’anxiété et la dépression chez les étudiants universitaires : une revue systématique et une méta-analyse

1.6K vues

⸱

DOI :

10.3791/69949

⸱

2 janvier 2026

 ,  ,  ,  ,  ,  , 
1School of Public Health, Xinyu University

Dans cet article

Résumé

Cette revue systématique et cette méta-analyse démontrent que les interventions en santé numérique améliorent significativement la santé mentale des élèves. Les programmes en ligne sont supérieurs aux applications, une durée optimale de 4 à 8 semaines, les positionnant comme une ressource précieuse et évolutive.

Résumé

Le stress, l’anxiété et la dépression comptent parmi les problèmes de santé mentale les plus courants chez les étudiants universitaires. L’objectif de cette étude était d’examiner et d’analyser systématiquement l’efficacité des interventions de santé numérique pour réduire le stress, l’anxiété et la dépression chez les étudiants universitaires.

Plusieurs bases de données (la Cochrane Library, Ovid Embase, Ovid MEDLINE, PubMed, Scopus et les bases de données Web of Science Core Collection) ont été recherchées pour des essais contrôlés randomisés (ECR) d’interventions de santé numérique publiés avant le 30 juin 2024. Les essais ont été examinés, et les données des résultats ont été analysées à l’aide de méta-analyses à effets aléatoires pour chaque résultat.

Un total de 22 ECR impliquant 3 655 participants (3 041 analysés) ont été inclus. La méta-analyse a révélé que les interventions en santé numérique réduisaient significativement le stress, l’anxiété et la dépression chez les étudiants universitaires (stress : ADM = -1,79 ; IC à 95 % : -2,51, -1,07 ; P<0,001 ; anxiété : ADM = -1,73 ; IC à 95 % : -2,20, -1,25 ; P<0.001 ; dépression : ADM = -2,05 ; IC à 95 % : -2,91, -1,19 ; P<0,001). La durée et la technique de l’intervention ont été des modérateurs significatifs de la taille de l’effet pour tous les critères de jugement (tous P<0,001). Les interventions de 4 à 8 semaines ont montré les plus fortes réductions des symptômes (stress : ADM = -3,7, IC à 95 % : -5,02, -2,39 ; anxiété : ADM = -2,77, IC à 95 % : -3,46, -2,08 ; dépression : ADM = -4,1, IC à 95 % : -5,31, -2,89). Les tailles d’effet étaient significativement plus importantes lorsque les interventions ont été comparées aux groupes témoins passifs (stress : ADM = -2,46, IC à 95 % : -3,56, -1,36 ; anxiété : ADM = -2,32, IC à 95 % : -2,89, -1,75 ; dépression : DMM = -2,61, IC à 95 % : -3,92, -1,29). En revanche, les comparaisons avec des groupes témoins actifs ont donné des effets plus faibles, bien que toujours significatifs, pour le stress et la dépression, et un effet non significatif pour l’anxiété.

Les résultats indiquent que les interventions en santé numérique sont efficaces pour réduire le stress, l’anxiété et la dépression chez les étudiants universitaires. Ces résultats soulignent la nécessité d’interventions en santé numérique pour promouvoir la santé mentale des étudiants universitaires dans les milieux d’enseignement supérieur.

Introduction

La santé mentale des jeunes a attiré une attention croissante et est désormais reconnue comme un défi mondial de santépublique 1. L’enseignement universitaire vise à renforcer les capacités intellectuelles des étudiants et à les préparer à une vie productive et réussie en tant qu’adultes2. Cependant, durant cette période particulière de la vie, les étudiants rencontrent fréquemment de multiples facteurs de stress, tels que quitter leur domicile, devenir plus indépendants, assumer de nouvelles responsabilités et gérer la charge de travailacadémique 3. Ces facteurs de stress peuvent affecter négativement à la fois le bien-être physique et émotionnel, entraînant une baisse des résultats scolaires, une baisse de la satisfaction de vie, une baisse de confiance en soi, une augmentation du taux d’abandon scolaire et, dans les cas graves, des penséessuicidaires 4. En effet, une proportion considérable d’étudiants universitaires rapporte des niveaux élevés de stress perçu, définis comme l’évaluation des exigences environnementales comme dépassant ses capacitésd’adaptation 5. Cette population est particulièrement vulnérable au stress, à l’anxiété et à la dépression, la fin de l’adolescence jusqu’au début de l’âge adulte représentant la période de pointe pour l’apparition des troublesmentaux 6. Des études indiquent que, comparés aux non-étudiants du même âge, un tiers des étudiants universitaires ont déjà souffert ou rencontrent actuellement de graves problèmes de santé mentale ainsi que des niveaux plus élevés de dépression, d’anxiété etde détresse 3. Une revue récente a indiqué que la prévalence mondiale des symptômes de dépression et d’anxiété chez les étudiants universitaires est élevée, à 33,6 % et 39,0 %, respectivement7. Notamment, environ 75 % des adultes diagnostiqués avec des troubles mentaux présentent des symptômes initiaux avant l’âge de 25à 8 ans. Ce début précoce est particulièrement alarmant étant donné que le suicide est une cause majeure de décès chez les jeunes âgés de 15 à 29 ans dans le mondeentier. Ces résultats soulignent collectivement la nécessité urgente d’interventions efficaces ciblant le stress, l’anxiété et la dépression chez les étudiants universitaires.

Traiter la forte prévalence du stress, de l’anxiété et de la dépression chez les étudiants universitaires nécessite des approches multiples, incluant le conseil psychologique, la pharmacothérapie, le soutien social, l’exercice physique et les interventionscognitivo-comportementales 10,11. Avec les progrès rapides des technologies de l’information, les interventions fondées sur des preuves sont de plus en plus mises en place via des plateformes numériques évolutives (par exemple, applications mobiles, portails web et systèmes de téléthérapie), complétant les services traditionnels enprésentiel 12. Le terme « interventions de santé numérique » désigne des approches réactives, soutenues par la technologie, incluant des communications de santé personnalisées, le suivi biométrique ou comportemental, et un soutien informationnel juste-à-temps13. Celles-ci peuvent être largement classées en deux modalités : les plateformes web proposant des programmes psychoéducatifs structurés et les applications de santé mobile (mHealth) proposant des interventions ciblées via des interfaces optimisées pour smartphones.

Les adolescents et les jeunes adultes représentent la démographie la plus engagée numériquement au monde, avec un taux de pénétration d’internet de 70 % (contre 48 % dans la population générale)14. Des revues systématiques et méta-analyses précédentes ont étudié les effets des interventions en ligne basées sur la pleine conscience, des interventions d’activité physique, des interventions informatiques et en ligne, ainsi que d’autres interventions psychothérapeutiques15 sur la réduction du stress, de l’anxiété et de la dépression chez les étudiants universitaires. Par exemple, une revue systématique récente de neuf ECR impliquant 1 100 participants a exploré l’efficacité des interventions de pleine conscience en ligne pour améliorer les résultats en santé mentale dans cettepopulation 16. Cependant, les conclusions actuelles restent incohérentes. Une étude a révélé que l’application mHealth « Destressify » n’améliorait pas significativement le stress, l’anxiété ou le fonctionnement psychosocial17. De même, Kvillemo et al. n’ont rapporté aucun avantage statistiquement significatif d’une intervention de pleine conscience par rapport à une condition témoinactive 18. Bien que les interventions en santé numérique soient prometteuses pour promouvoir le bien-être émotionnel, renforcer l’engagement dans le traitement et offrir une alternative rentable aux méthodes conventionnelles, une synthèse complète de leur efficacité globale est nécessaire pour guider l’investissement et la mise en œuvre. À ce jour, aucune revue systématique ou méta-analyse n’a intégré les preuves dans différents types d’interventions de santé numérique ciblant spécifiquement le stress, l’anxiété et la dépression chez les étudiants universitaires.

Pour combler cette lacune, nous proposons les questions de recherche suivantes : (1) Les interventions en santé numérique sont-elles efficaces pour améliorer le stress, l’anxiété et la dépression des étudiants universitaires par rapport aux conditions de contrôle actif et passif ? (2) Quelle est l’ampleur de l’effet des interventions de santé numérique sur les résultats en santé mentale de cette population ? (3) Quels types de technologies de santé numérique sont les plus efficaces pour soulager la dépression, l’anxiété et le stress ?

Par conséquent, la présente étude a trois objectifs principaux. Tout d’abord, les preuves ont été évaluées concernant l’efficacité des interventions de santé numérique dans le traitement du stress, de l’anxiété et de la dépression chez les étudiants universitaires. Deuxièmement, l’efficacité de ces interventions à travers les résultats rapportés a été résumée statistiquement. Troisièmement, la qualité des preuves disponibles a été évaluée. De plus, compte tenu de la diversité de la population étudiante, nous avons exploré comment les caractéristiques des participants peuvent influencer les résultats des interventions.

À cette fin, nous avons mené une revue systématique et trois méta-analyses d’essais contrôlés randomisés (ECR) mesurant les issues liées au stress, à l’anxiété et à la dépression. À travers ce travail, nous cherchons à soutenir les chercheurs dans l’évaluation des preuves émergentes, l’identification des orientations futures et la contribution au développement de solutions de traitement numériques efficaces pour les étudiants universitaires.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Inscription aux études
Cette revue systématique et protocole de méta-analyse a été enregistrée sur PROSPERO avec un numéro d’enregistrement CRD 42024610457. Cette étude a été conçue et menée conformément aux directives PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analysis) 19.

Stratégie de recherche
Une revue de littérature complète a été réalisée par deux auteurs (XXZ et JZ), qui ont consulté les bases de données Cochrane Library, Ovid Embase, Ovid MEDLINE, PubMed, Scopus et Web of Science Core Collection. Leur recherche a couvert tous les dossiers pertinents depuis le début de la couverture de chaque base de données jusqu’au 30 juin 2024.

La stratégie de recherche utilisait une combinaison de vocabulaire contrôlé (par exemple, MeSH) et de termes en texte libre liés aux interventions en santé numérique, à la dépression, à l’anxiété et au stress. Pour maximiser la récupération des études pertinentes, des opérateurs booléens (AND, OR) ont été utilisés. La recherche était limitée aux publications en anglais. La stratégie de recherche complète est détaillée dans l’eTable 1 du supplément 1. Le Citation Chaser a été utilisé pour rechercher dans les listes de références des études incluses et pour récupérer les articles ayant cité les études incluses afin de trouver d’autres étudespertinentes 20.

Critères de sélection et d’inclusion des études
Les critères d’inclusion et d’exclusion pour cette revue systématique ont été définis selon le cadre Population, Intervention, Comparaison, Résultats et Conception d’Étude (PICOS)19 : Population (P) : Études impliquant des étudiants universitaires, quel que soit leur âge, leur sexe ou leur domaine d’étude. Intervention (I) : Toute intervention de santé numérique principalement dispensée via Internet ou un appareil mobile et visant à soulager les symptômes de stress, d’anxiété ou de dépression. Cela incluait, sans s’y limiter, des programmes web, des applications mobiles et des thérapies délivrées par chatbot. Comparaison (C) : Groupes témoins incluant les contrôles sur liste d’attente, les contrôles actifs (par exemple, recevant une psychoéducation non numérique), le traitement habituel, ou d’autres interventions de santé numérique. Résultats (O) : Les études devaient rapporter des résultats sur au moins l’un des critères suivants, mesurés à l’aide d’une échelle validée : stress (par exemple, échelle de stress perçu, PSS), anxiété (par exemple, TAG-7) ou dépression (par exemple, PHQ). Conception de l’étude (S) : Seuls des essais contrôlés randomisés (ECR) ont été inclus afin d’assurer la plus haute qualité des preuves.

Après la recherche de la base de données et la suppression des doublons, les titres et résumés des enregistrements identifiés ont été examinés indépendamment par deux auteurs (XXZ et JZ). Toute incohérence rencontrée était jugée par un troisième évaluateur (DZ). Par la suite, les textes complets des articles restants ont été évalués pour l’éligibilité par deux autres évaluateurs indépendants (DZ et YFC), un troisième évaluateur (JZ) agissant comme arbitre pour parvenir à un consensus sur l’inclusion finale.

Les critères d’inclusion englobaient tous les types d’interventions en santé numérique (par exemple, programmes web, applications mobiles) afin de faciliter une analyse complète et une comparaison directe entre les modalités technologiques. Les études devaient rapporter les résultats liés au stress, à l’anxiété ou à la dépression à l’aide d’échelles de mesure validées. Les études étaient exclues si elles présentaient les caractéristiques suivantes : absence d’évaluation des variables pertinentes, population hors du champ d’application prévu, articles de synthèse, résumés, éditoriaux ou lettres, études animales ou rapports de cas. Les études qui rapportaient des données insuffisantes pour calculer la taille des effets, même après des tentatives d’obtention auprès des auteurs, ont été exclues de la méta-analyse. Les résumés de conférences ont été exclus en raison du manque d’informations détaillées et de méthodologie approfondie requises pour une évaluation rigoureuse de la qualité et de l’extraction des données. Les citations de toutes les bases de données ont été importées dans une bibliothèque EndNote X21 (Clarivate Analytics).

Évaluation méthodique de la qualité
La qualité des ECR inclus a été évaluée de manière indépendante par deux auteurs (DZ et YFC) selon les lignes directrices des revuesCochrane 21. Le contenu de l’évaluation comprend (1) la génération aléatoire de séquences, (2) la dissimulation de l’allocation, (3) l’aveuglement des participants et du personnel, (4) l’aveuglement de l’évaluation des résultats, (5) des données de résultats incomplètes, (6) un rapport sélectif, et (7) d’autres types de biais. Chaque étude incluse a été jugée présenter un risque de biais « faible », « élevé » ou « incertain » de biais pour chaque domaine. Si les chercheurs ont noté les quatre critères comme « faibles » et si aucun défaut grave n’a été détecté, alors l’étude a été notée comme ayant un faible risque de biais.

Extraction des données
Les données suivantes issues d’études éligibles ont été extraites indépendamment par deux auteurs (JZ et DZ) : auteurs, année de publication, pays, caractéristiques des participants (y compris âge, taille de l’échantillon et répartition des groupes), outils d’évaluation utilisés pour la dépression, l’anxiété et le stress, interventions de santé numérique (mode d’administration, durée du traitement, groupe témoin, intention de traitement, taux d’attrition), ainsi que les données statistiques associées. La procédure de traitement des données manquantes (par exemple, écarts-types) consistait à tenter de contacter les auteurs correspondants deux fois sur une période de quatre semaines. Si aucune réponse n’est reçue, les DE seront calculées à partir des erreurs standard, des intervalles de confiance ou des valeurs P fournies dans les études, en suivant les méthodes décrites dans le CochraneHandbook 21. Toute incohérence ou incohérence dans les données extraites a été résolue par des discussions entre les deux évaluateurs (JZ et DZ). Si un consensus n’était pas parvenu, un troisième évaluateur (XXZ) était consulté pour prendre la décision finale.

Synthèse des données
Pour chaque résultat, les données quantitatives ont été synthétisées et présentées sous forme de différence moyenne pondérée (ADM) avec un intervalle de confiance (IC) correspondant à 95 %. Les ADM ont été calculées en regroupant les scores pré-post-changement (moyenne et SD) extraits de chaque étude éligible. L’hétérogénéité entre les études dans les comparaisons directes a été évaluée à l’aide de la statistique I2 , avec des valeurs de 25 %, 50 % et 75 % désignant conventionnellement une hétérogénéité faible, modérée et élevée respectivement. Un modèle à effets fixes a été appliqué lorsque l’hétérogénéité n’était pas significative (I2< 50 % et P > 0,1) ; sinon, un modèle à effets aléatoires a été employé.

Les résultats ont été visualisés à l’aide de parcelles forestières, qui affichent le nom du premier auteur, l’année de publication, la taille de l’échantillon, l’estimation de l’effet avec son IC à 95 %, ainsi que la valeur P associée pour chaque étude. Des analyses de sous-groupes ont été réalisées séparément pour chaque critère principal (stress, anxiété et dépression). Pour chaque résultat, les analyses ont été stratifiées selon l’instrument de mesure spécifique utilisé (par exemple, pour le stress : Échelle de résilience Connor-Davidson (CD-RISC)22, Échelle de résilience brève (BRS)23, Échelle du stress perçu (PSS)24, Échelle Dépression-Anxiété Stress (DASS) - Sous-échelleStress 25,26,27 ; pour l’anxiété : Échelle des troubles anxieux généralisés (TAG)28, Inventaire d’anxiété état-trait (STAI), sous-échelle DASS-Anxiété27,29 ; pour la dépression : Patient Health Questionnaire (PHQ)30, Beck Depression Inventory (BDI)31, DASS-Sous-échelleDépression 26,27). D’autres variables de sous-groupe comprenaient les suivantes : (1) technique d’intervention : thérapie cognitivo-comportementale (TCC) basée sur le web ou une application, intervention basée sur la pleine conscience (MBI), intervention sur l’activité physique (PAI) et autres interventions psychologiques (OPI) excluant la TCC, l’MBI et le PAI ; (2) format des directives : rappel uniquement, retour d’information uniquement, mixte (rappel + retour), ou aucun ; (3) mode de diffusion : application smartphone, plateforme/programme web, ou autre ; (4) durée du traitement : ≤ 4 semaines, > 4 à < 8 semaines, ou ≥ 8 semaines ; (5) parcours de recrutement : en ligne, mixte, sur le campus ou non spécifié ; et (6) type de groupe témoin : actif ou passif. Les contrôles passifs ne bénéficient d’aucune intervention car ils servent à contrôler l’histoire naturelle de la maladie et les effets placebo. En revanche, les contrôles actifs reçoivent une intervention alternative, standard ou placebo pour contrôler les effets non spécifiques du processus d’intervention. L’évaluation du biais de publication a consisté à examiner l’asymétrie du diagramme d’entonnoir et à réaliser le test de régression d’Egger. Un biais était considéré comme présent si l’asymétrie visuelle était accompagnée d’un résultat significatif du test d’Egger (P < 0,05). Le test d’Egger était réalisé uniquement pour obtenir des résultats avec 10 études ou plus afin d’assurer la puissancedu test à 32. L’analyse principale des données, y compris la génération de parcelles forestières et de tunnel, a été réalisée à l’aide du logiciel Review Manager (RevMan) version 5.3. De plus, la version 18 de Stata a été utilisée pour réaliser l’évaluation statistique du biais de publication (test d’Egger).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Un total de 20 975 études potentiellement pertinentes ont été initialement identifiées à partir des six bases de données. Après la suppression de 7 374 dossiers en double, 13 601 études ont été examinées. Parmi eux, 13 548 ont été exclus en raison de leurs titres et résumés. Les 53 autres études ont fait l’objet d’une revue intégrale pour vérifier leur éligibilité. À la suite de cette évaluation, 31 études ont été exclues pour les raisons suivantes : (1) utilisation d’échelles de mesure non validées ou inappropriées (n =...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

La méta-analyse présente a identifié 22 ECR avec 3 655 participants afin d’examiner l’efficacité des interventions de santé numérique pour réduire le stress, l’anxiété et la dépression chez les étudiants universitaires. En tant que forme de soutien psychologique évolutive, peu coûteuse et facilement accessible, les interventions en santé numérique ont démontré un fort potentiel de mise en œuvre dans la population universitaire. Notre revue systématique et méta-analyse démontrent que les ...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs déclarent qu’ils n’ont aucun conflit d’intérêts.

Remerciements

Cette étude a été soutenue par le Cours provincial de première classe en statistiques médicales, un projet initié par le Département provincial de l’Éducation du Jiangxi (003031604) et le programme d’innovation et d’entrepreneuriat pour étudiants universitaires : Guérison Sonore : Une intervention mobile en santé pour l’anxiété des étudiants universitaires basée sur le modèle multithéorique (MTM) (2404230055). Xingxin Zhan et Liqin Huang : ont conçu et conçu la recherche. Xingxin Zhan, Ju Zeng, Dan Zhu et Yifan Chen ont mené l’étude et analysé les données. Xingxin Zhan : a écrit le journal. Tous les auteurs ont révisé le manuscrit.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
FinNote  ;ClarivateX21Logiciels utilisés pour la gestion et le contrôle de la littérature
Responsable des critiques (RevMan) & nbsp ;La Collaboration Cochrane5.3Logiciels utilisés pour la méta-analyse
StataStataCorp LLC18Logiciels utilisés pour l’analyse statistique et la gestion des données

Références

  1. Pei, J., et al. Sociodemographic correlates of mental health treatment seeking among college students: A systematic review and meta-analysis. Psychiatr Serv. 75 (6), 556-569 (2024).
  2. Peng, P., et al. The prevalence and risk factors of mental problems in medical students during COVID-19 pandemic: A systematic review and meta-analysis. J Affect Disord. 321, 167-181 (2023).
  3. González-Martín, A. M., et al. Mindfulness to improve the mental health of university students: A systematic review and meta-analysis. Front Public Health. 11, 1284632(2023).
  4. Visier-Alfonso, M. E., et al. mental health, and protective factors in nursing students: An observational study. Nurse Educ Today. 139, 106258(2024).
  5. Ramu, S. D. G., Babu, G., Kumar, M., Shanmugam, J. Prevalence of depression and its determinants among undergraduate medical college students in Salem, Tamil Nadu. Indian J Comm Health. 23, 319-323 (2023).
  6. Koike, S., et al. A randomised controlled trial of repeated filmed social contact on reducing mental illness-related stigma in young adults. Epidemiol Psychiatr Sci. 27 (2), 199-208 (2018).
  7. Melendez-Torres, G. J., Anthony, R. E., Hewitt, G., Murphy, S., Moore, G. F. Prevalence of gambling behaviours and their associations with socioemotional harm among 11-16 year olds in Wales: Findings from the School Health Research Network survey. Eur J Public Health. 30 (3), 432-438 (2020).
  8. Hayes, D., et al. Promoting mental health and well-being in schools: Examining mindfulness, relaxation and strategies for safety and well-being in English primary and secondary schools-Study protocol for a multi-school, cluster randomised controlled trial (INSPIRE). Trials. 24 (1), 220(2023).
  9. Agyapong-Opoku, F., Agyapong-Opoku, N., Agyapong, B., Greenshaw, A. Suicidal behaviors among medical students: A scoping review of systematic reviews and meta-analyses. Behav Sci (Basel). 15 (9), 1215(2025).
  10. Amanvermez, Y., et al. Effects of self-guided stress management interventions in college students: A systematic review and meta-analysis. Internet Interv. 28, 100503(2022).
  11. Dawson, A. F., et al. Mindfulness-based interventions for university students: A systematic review and meta-analysis of randomised controlled trials. Appl Psychol Health Well Being. 12 (2), 384-410 (2020).
  12. López Steinmetz, L. C., Sison, M., Zhumagambetov, R., Godoy, J. C., Haufe, S. Machine learning models predict the emergence of depression in Argentinean college students during periods of COVID-19 quarantine. Front Psychiatry. 15, 1376784(2024).
  13. Nixon, L. S. B., Cassese, A., ten Hoor, G. Effects of the digital intervention StudentPOWR on the subjective wellbeing of students studying from home: A randomized wait-list control trial. Int J Appl Posit Psychol. 35, 165-188 (2024).
  14. O'logbon, J., Wickersham, A., Williamson, C., Leightley, D. The effectiveness of digital health technologies for reducing substance use among young people: A systematic review & meta-analysis. J Ment Health. 33 (5), 645-673 (2024).
  15. Wang, Y., Farb, N. A. S. Web-based training for post-secondary student well-being during the pandemic: A randomized trial. Anxiety Stress Coping. 36 (1), 1-17 (2023).
  16. Gong, X. G., et al. Effects of online mindfulness-based interventions on the mental health of university students: A systematic review and meta-analysis. Front Psychol. 14, 1073647(2023).
  17. Lee, R. A., Jung, M. E. Evaluation of an mHealth app (Destressify) on university students' mental health: Pilot trial. JMIR Ment Health. 5 (1), e2(2018).
  18. Kvillemo, P., Brandberg, Y., Bränström, R. Feasibility and outcomes of an internet-based mindfulness training program: A pilot randomized controlled trial. JMIR Ment Health. 3 (3), e33(2016).
  19. Page, M. A. O., et al. PRISMA 2020 explanation and elaboration: Updated guidance and exemplars for reporting systematic reviews. BMJ. 372, n160(2021).
  20. Haddaway, N. R., Grainger, M. J., Gray, C. T. Citationchaser: A tool for transparent and efficient forward and backward citation chasing in systematic searching. Res Synth Methods. 13 (4), 533-545 (2022).
  21. Cumpston, M., et al. Updated guidance for trusted systematic reviews: A new edition of the Cochrane Handbook for Systematic Reviews of Interventions. Cochrane Database Syst Rev. 10 (10), Ed000142(2019).
  22. Connor, K. M., Davidson, J. R. Development of a new resilience scale: The Connor-Davidson Resilience Scale (CD-RISC). Depress Anxiety. 18 (2), 76-82 (2003).
  23. Smith, B. W., et al. The brief resilience scale: Assessing the ability to bounce back. Int J Behav Med. 15 (3), 194-200 (2008).
  24. Lee, E. H. Review of the psychometric evidence of the Perceived Stress Scale. Asian Nurs Res (Korean Soc Nurs Sci). 6 (4), 121-127 (2012).
  25. Henry, J. D., Crawford, J. R. The short-form version of the Depression Anxiety Stress Scales (DASS-21): Construct validity and normative data in a large non-clinical sample. Br J Clin Psychol. 44 (Pt 2), 227-239 (2005).
  26. Osman, A., et al. The Depression Anxiety Stress Scales-21 (DASS-21): Further examination of dimensions, scale reliability, and correlates. J Clin Psychol. 68 (12), 1322-1338 (2012).
  27. Zanon, C., et al. Examining the dimensionality, reliability, and invariance of the Depression, Anxiety, and Stress Scale-21 (DASS-21) across eight countries. Assessment. 28 (6), 1531-1544 (2021).
  28. Spitzer, R. L., Kroenke, K., Williams, J. B., Löwe, B. A brief measure for assessing generalized anxiety disorder: The GAD-7. Arch Intern Med. 166 (10), 1092-1097 (2006).
  29. Parkitny, L., McAuley, J. The Depression Anxiety Stress Scale (DASS). J Physiother. 56 (3), 204(2010).
  30. Kroenke, K., et al. The PHQ-8 as a measure of current depression in the general population. J Affect Disord. 114 (1-3), 163-173 (2009).
  31. Von Glischinski, M., Von Brachel, R., Hirschfeld, G. How depressed is "depressed"? A systematic review and diagnostic meta-analysis of optimal cut points for the Beck Depression Inventory Revised (BDI-II). Qual Life Res. 28 (5), 1111-1118 (2019).
  32. Sterne, J. A., et al. Recommendations for examining and interpreting funnel plot asymmetry in meta-analyses of randomised controlled trials. BMJ. 343, d4002(2011).
  33. Mailey, E. L., et al. Internet-delivered physical activity intervention for college students with mental health disorders: A randomized pilot trial. Psychol Health Med. 15 (6), 646-659 (2010).
  34. Newman, M. G., Jacobson, N. C., Rackoff, G. N., Bell, M. J., Taylor, C. B. A randomized controlled trial of a smartphone-based application for the treatment of anxiety. Psychother Res. 31 (4), 443-454 (2020).
  35. Huberty, J., et al. Efficacy of the mindfulness meditation mobile app "Calm" to reduce stress among college students: Randomized controlled trial. JMIR mHealth uHealth. 7 (6), e14273(2019).
  36. Dorais, S., Gutierrez, D. The effectiveness of a centering meditation intervention on college stress and mindfulness: A randomized controlled trial. Front Psychol. 12, 720824(2021).
  37. Six, S. G., Byrne, K. A., Aly, H., Harris, M. W. The effect of mental health app customization on depressive symptoms in college students: Randomized controlled trial. JMIR Ment Health. 9 (8), e39516(2022).
  38. Fish, M. T., Saul, A. D. The gamification of meditation: A randomized-controlled study of a prescribed mobile mindfulness meditation application in reducing college students' depression. Simul Gaming. 50 (4), 419-435 (2019).
  39. Day, V., McGrath, P. J., Wojtowicz, M. Internet-based guided self-help for university students with anxiety, depression and stress: A randomized controlled clinical trial. Behav Res Ther. 51 (7), 344-351 (2013).
  40. Grégoire, S., et al. An online peer support program to improve mental health among university students: A randomized controlled trial. J Am Coll Health. 72 (7), 2001-2013 (2022).
  41. Bastien, L., et al. Peer-presented versus mental health service provider-presented mental health outreach programs for university students: Randomized controlled trial. JMIR Ment Health. 9 (7), e34168(2022).
  42. Ahmad, F., El Morr, C., Ritvo, P., Othman, N., Moineddin, R. An eight-week, web-based mindfulness virtual community intervention for students' mental health: Randomized controlled trial. JMIR Ment Health. 7 (2), e15520(2020).
  43. Karing, C. Long-term effects of combined mindfulness intervention and app intervention compared to single interventions during the COVID-19 pandemic: A randomized controlled trial. Front Psychol. 19 (15), 1355757(2024).
  44. Harrer, M., et al. Effectiveness of an internet- and app-based intervention for college students with elevated stress: Randomized controlled trial. J Med Internet Res. 20 (4), e136(2018).
  45. Richards, D., et al. Effectiveness of an internet-delivered intervention for generalized anxiety disorder in routine care: A randomised controlled trial in a student population. Internet Interv. 6, 80-88 (2016).
  46. Enrique Roig, A., et al. Assessing the efficacy and acceptability of a web-based intervention for resilience among college students: Pilot randomized controlled trial. JMIR Form Res. 4 (11), e20167(2020).
  47. Barcaccia, B., Medvedev, O. N., Pallini, S., Mastandrea, S., Fagioli, S. Examining mental health benefits of a brief online mindfulness intervention: A randomised controlled trial. Mindfulness. 15 (4), 835-843 (2024).
  48. Fazia, T., et al. Improving stress management, anxiety, and mental well-being in medical students through an online mindfulness-based intervention: A randomized study. Sci Rep. 13 (1), 8214(2023).
  49. Min, Y., Choi, Y. S., Kim, B. N. Filling the mental service gap on campus: An effectiveness trial testing the utility of app-based mindfulness psychological intervention for college students. Curr Psychol. 43 (17), 15434-15444 (2023).
  50. Jeong, S., Cha, C., Nam, S., Song, J. The effects of mobile technology-based support on young women with depressive symptoms: A block randomized controlled trial. Medicine. 103 (1), e36748(2024).
  51. Morris, J., et al. Internet-delivered cognitive behavior therapy for anxiety and insomnia in a higher education context. Anxiety Stress Coping. 29 (4), 415-431 (2015).
  52. Ditton, E., et al. Evaluation of an app-delivered psychological flexibility skill training intervention for medical student burnout and well-being: Randomized controlled trial. JMIR Ment Health. 10, e42566(2023).
  53. Andersson, C., et al. The effectiveness of smartphone compassion training on stress among Swedish university students: A pilot randomized trial. J Clin Psychol. 77 (4), 927-945 (2020).
  54. Tolin, D. F. Is cognitive-behavioral therapy more effective than other therapies? A meta-analytic review. Clin Psychol Rev. 30 (6), 710-720 (2010).
  55. Ramón-Arbués, E., et al. The prevalence of depression, anxiety and stress and their associated factors in college students. Int J Environ Res Public Health. 17 (19), 7001(2020).
  56. Li, J., Xu, C., Wan, K., Liu, Y., Liu, L. Mindfulness-based interventions to reduce anxiety among Chinese college students: A systematic review and meta-analysis. Front Psychol. 13, 1031398(2022).
  57. Yi, Q. F., et al. The experience of anxiety among Chinese undergraduate nursing students in the later period of their internships: Findings from a qualitative study. BMC Nurs. 21 (1), 70(2022).
  58. Lafreniere, L. S., Newman, M. G. Exposing worry's deceit: Percentage of untrue worries in generalized anxiety disorder treatment. Behav Ther. 51 (3), 413-423 (2020).
  59. Segal, Z. V., et al. Outcomes of online mindfulness-based cognitive therapy for patients with residual depressive symptoms: A randomized clinical trial. JAMA Psychiatry. 77 (6), 563-573 (2020).
  60. Drachev, S. N., et al. Perceived stress and associated factors in Russian medical and dental students: A cross-sectional study in North-West Russia. Int J Environ Res Public Health. 17 (15), 5390(2020).
  61. Eskildsen, A., et al. Cross-cultural adaptation and validation of the Danish consensus version of the 10-item Perceived Stress Scale. Scand J Work Environ Health. 41 (5), 486-490 (2015).
  62. Carter, S., Greenberg, J., Funes, C. J., Macklin, E. A., Vranceanu, A. M. Effects of a mind-body program on symptoms of depression and perceived stress among adults with neurofibromatosis type 2 who are deaf: A live-video randomized controlled trial. Complement Ther Med. 56, 102581(2021).
  63. Avila-Palencia, I., et al. The relationship between bicycle commuting and perceived stress: A cross-sectional study. BMJ Open. 7 (6), e013542(2017).
  64. Arumugam, V., et al. Effects of Ashwagandha (Withania somnifera) on stress and anxiety: A systematic review and meta-analysis. Explore (NY). 20 (6), 103062(2024).
  65. Toussaint, A., et al. Sensitivity to change and minimal clinically important difference of the 7-item Generalized Anxiety Disorder Questionnaire (GAD-7). J Affect Disord. 265, 395-401 (2020).
  66. Lenzen, M., Van Domburg, R., Hoeks, S., Kardys, I., Boersma, E. Tools & techniques methodology and statistics: Randomisation in clinical trials. EuroIntervention. 9 (3), 410-411 (2013).
  67. Plummer, F., Manea, L., Trepel, D., McMillan, D. Screening for anxiety disorders with the GAD-7 and GAD-2: A systematic review and diagnostic meta-analysis. Gen Hosp Psychiatry. 39, 24-31 (2016).
  68. Patel, J. S., et al. Measurement invariance of the Patient Health Questionnaire-9 (PHQ-9) depression screener in U.S. adults across sex, race/ethnicity, and education level: NHANES 2005-2016. Depress Anxiety. 36 (9), 813-823 (2019).
  69. Harrer, M., et al. Internet interventions for mental health in university students: A systematic review and meta-analysis. Int J Methods Psychiatr Res. 28 (2), e1759(2019).
  70. Higgins, J. P. T., Chandler, J., Cumpston, M., Li, T., Page, M. J., Welch, V. A. Cochrane Handbook for Systematic Reviews of Interventions Version 6.4. , Cochrane. (2023).
  71. Wang, Q., Zhang, W., An, S. A systematic review and meta-analysis of internet-based self-help interventions for mental health among adolescents and college students. Internet Interv. 34, 100690(2023).
  72. Antonopoulou, M., et al. Evaluating Mediterranean diet adherence in university student populations: Does this dietary pattern affect students' academic performance and mental health. Int J Health Plann Manage. 35 (1), 5-21 (2020).
  73. Herrero, R., et al. An internet-based intervention for improving resilience and coping strategies in university students: Study protocol for a randomized controlled trial. Internet Interv. 16, 43-51 (2019).
  74. Gallegos, C., Kausler, R., Alderden, J., Davis, M., Wang, L. Can artificial intelligence chatbots improve mental health?: A scoping review. Comput Inform Nurs. 42 (10), 731-736 (2024).
  75. Lattie, E. G., et al. Digital mental health interventions for depression, anxiety, and enhancement of psychological well-being among college students: Systematic review. J Med Internet Res. 21 (7), e12869(2019).
  76. Sun, X., Jahangir, A., Alghamdi, A. A., Liu, F. Use of AI-based mental health tools and psychological well-being among Chinese university students: A parallel mediation model of emotional self-efficacy and perceived autonomy. Sci Rep. 15 (1), 40305(2025).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Mots-clés

R duction du stressr duction de l anxi tr duction de la d pressionessais contr l s randomis ssant mentaleenseignement sup rieur
Vidéo bientôt disponible
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d'utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.