論文の概要: Examining the Role of Mood Patterns in Predicting Self-Reported
Depressive symptoms
- arxiv url: http://arxiv.org/abs/2006.07887v1
- Date: Sun, 14 Jun 2020 12:48:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 13:23:39.914248
- Title: Examining the Role of Mood Patterns in Predicting Self-Reported
Depressive symptoms
- Title（参考訳）: 自発的抑うつ症状の予測における気分パターンの役割の検討
- Authors: Lucia Lushi Chen, Walid Magdy, Heather Whalley, Maria Wolters
- Abstract要約: うつ病は世界中で障害の主な原因である。
ソーシャルメディア投稿からうつ病信号を検出する最初の試みは、有望な結果を示している。
本研究では,ソーシャルメディア利用者を対象とした「ムードプロファイル」を構築し,うつ病の症状を検出するための現在の技術を強化することを試みる。
- 参考スコア（独自算出の注目度）: 4.564132389935269
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Depression is the leading cause of disability worldwide. Initial efforts to
detect depression signals from social media posts have shown promising results.
Given the high internal validity, results from such analyses are potentially
beneficial to clinical judgment. The existing models for automatic detection of
depressive symptoms learn proxy diagnostic signals from social media data, such
as help-seeking behavior for mental health or medication names. However, in
reality, individuals with depression typically experience depressed mood, loss
of pleasure nearly in all the activities, feeling of worthlessness or guilt,
and diminished ability to think. Therefore, a lot of the proxy signals used in
these models lack the theoretical underpinnings for depressive symptoms. It is
also reported that social media posts from many patients in the clinical
setting do not contain these signals. Based on this research gap, we propose to
monitor a type of signal that is well-established as a class of symptoms in
affective disorders -- mood. The mood is an experience of feeling that can last
for hours, days, or even weeks. In this work, we attempt to enrich current
technology for detecting symptoms of potential depression by constructing a
'mood profile' for social media users.
- Abstract（参考訳）: うつ病は世界中の障害の主な原因である。
ソーシャルメディア投稿から抑うつ信号を検出する最初の取り組みは、有望な結果を示している。
高い内部的妥当性を考えると、このような分析の結果は臨床判断に潜在的に有益である。
既存の抑うつ症状の自動検出モデルは、ソーシャルメディアデータから、メンタルヘルスや薬名に対するヘルプシーキング行動など、プロキシ診断信号を学習する。
しかし、現実には、うつ病患者は通常、抑うつ感、あらゆる活動における喜びの喪失、無価値感や罪悪感、思考能力の低下を経験する。
したがって、これらのモデルで使われるプロキシ信号の多くは、うつ病症状の理論的基盤を欠いている。
臨床現場の多くの患者からのソーシャルメディア投稿はこれらのシグナルを含まないと報告されている。
本研究のギャップから,情緒障害の症状の類型として確立された症状のタイプである気分をモニタリングすることを提案する。
気分は、何時間、何日、何週間も続くことができる感覚の体験である。
本研究では,ソーシャルメディアユーザのための「ムードプロファイル」を構築することで,うつ病の症状を検出する現在の技術を強化することを試みる。
関連論文リスト
- Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。
この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
論文 参考訳（メタデータ） (2024-03-09T11:16:09Z) - MASON-NLP at eRisk 2023: Deep Learning-Based Detection of Depression
Symptoms from Social Media Texts [0.0]
うつ病は精神疾患であり、人々の生活に大きな影響を及ぼす。
最近の研究は、うつ病の兆候が個人のコミュニケーションの仕方で検出できることを示唆している。
ソーシャルメディア投稿は、うつ病の症状を調べるためのリッチで便利なテキストソースです。
論文 参考訳（メタデータ） (2023-10-17T02:34:34Z) - A Hybrid Approach for Depression Classification: Random Forest-ANN
Ensemble on Motor Activity Signals [4.798808180453298]
ウェアラブルセンサーは、メンタルヘルスの問題を追跡し、理解する潜在的な手段を提供する。
近年の研究では、これらのセンサーと機械学習の手法を併用して、異なる精神状態に関連するパターンを特定している。
本稿では、うつ病患者のセンサデータを評価するために最適化されたHybrid Random forest - Neural Networkと呼ばれる新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-13T17:39:35Z) - What Symptoms and How Long? An Interpretable AI Approach for Depression
Detection in Social Media [0.5156484100374058]
うつ病は最も一般的で深刻な精神疾患であり、重大な財政的・社会的影響をもたらす。
本研究は、ソーシャルメディアにおける抑うつ検出のための新しい解釈可能な深層学習モデルを用いて、IS文献に寄与する。
論文 参考訳（メタデータ） (2023-05-18T20:15:04Z) - Depression detection in social media posts using affective and social
norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。
我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。
提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文 参考訳（メタデータ） (2023-03-24T21:26:27Z) - Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。
本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文 参考訳（メタデータ） (2023-02-05T22:33:49Z) - Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。
我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。
本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
論文 参考訳（メタデータ） (2022-11-14T18:47:26Z) - Data set creation and empirical analysis for detecting signs of
depression from social media postings [0.0]
うつ病は、深刻な結果を避けるために、早期に検出され治療されなければならない一般的な精神疾患である。
我々は、ソーシャルメディアの投稿から、うつ病のレベルが落ち込んでいないこと、中程度に落ち込んでいないこと、および深刻な落ち込んでいないことを検知する、金の標準データセットを開発した。
論文 参考訳（メタデータ） (2022-02-07T10:24:33Z) - Deep Multi-task Learning for Depression Detection and Prediction in
Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。
機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。
本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-05T05:14:14Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳（メタデータ） (2020-08-09T20:22:52Z) - Depressed individuals express more distorted thinking on social media [0.0]
うつ病は世界中で障害の主な原因であるが、診断が不十分で治療が不十分であることが多い。
本稿では,うつ病を自覚した人は,無作為なサンプルよりも歪んだ思考のレベルが高いことを示す。
抑うつコホートでは, いくつかの歪んだ思考が, 特にパーソナライズと感情的推論の2倍以上の傾向を示した。
論文 参考訳（メタデータ） (2020-02-07T14:18:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。