論文の概要: Detecting Community Depression Dynamics Due to COVID-19 Pandemic in Australia

• arxiv url: http://arxiv.org/abs/2007.02325v1
• Date: Sun, 5 Jul 2020 12:55:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-11 06:11:03.892648
• Title: Detecting Community Depression Dynamics Due to COVID-19 Pandemic in Australia
• Title（参考訳）: オーストラリアにおけるCOVID-19パンデミックによる地域抑うつの動態
• Authors: Jianlong Zhou, Hamad Zogan, Shuiqiao Yang, Shoaib Jameel, Guandong Xu, Fang Chen
• Abstract要約: 本稿では,Twitter上のユーザ生成コンテンツを通じて,COVID-19パンデミックによる地域うつ病の動態を考察する。 オーストラリアのニューサウスウェールズ州から発せられるTwitterユーザーからのツイートを最近削除し、この問題を調査した。 我々の新しい分類モデルは、新型コロナウイルスの影響を受けうるうつ病の極性を抽出することができる。
• 参考スコア（独自算出の注目度）: 17.856486813652932
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The recent COVID-19 pandemic has caused unprecedented impact across the globe. We have also witnessed millions of people with increased mental health issues, such as depression, stress, worry, fear, disgust, sadness, and anxiety, which have become one of the major public health concerns during this severe health crisis. For instance, depression is one of the most common mental health issues according to the findings made by the World Health Organisation (WHO). Depression can cause serious emotional, behavioural and physical health problems with significant consequences, both personal and social costs included. This paper studies community depression dynamics due to COVID-19 pandemic through user-generated content on Twitter. A new approach based on multi-modal features from tweets and Term Frequency-Inverse Document Frequency (TF-IDF) is proposed to build depression classification models. Multi-modal features capture depression cues from emotion, topic and domain-specific perspectives. We study the problem using recently scraped tweets from Twitter users emanating from the state of New South Wales in Australia. Our novel classification model is capable of extracting depression polarities which may be affected by COVID-19 and related events during the COVID-19 period. The results found that people became more depressed after the outbreak of COVID-19. The measures implemented by the government such as the state lockdown also increased depression levels. Further analysis in the Local Government Area (LGA) level found that the community depression level was different across different LGAs. Such granular level analysis of depression dynamics not only can help authorities such as governmental departments to take corresponding actions more objectively in specific regions if necessary but also allows users to perceive the dynamics of depression over the time.
• Abstract（参考訳）: 新型コロナウイルスのパンデミックが世界中に前例のない影響を与えている。 我々はまた、うつ病、ストレス、不安、恐怖、嫌悪、悲しみ、不安といった精神的な健康問題に悩まされる何百万人もの人々が、この深刻な健康危機における公衆衛生上の懸念の1つになっているのを目撃した。 例えば、世界保健機関(who)による調査結果によると、うつ病は最も一般的なメンタルヘルスの問題の1つである。 うつ病は深刻な感情的、行動的、身体的健康上の問題を引き起こし、個人的、社会的コストを含む重大な影響をもたらす。 本稿では,Twitter上のユーザ生成コンテンツを通じて,COVID-19パンデミックによる地域うつ病の動態を考察する。 ツイートのマルチモーダル特徴と項頻度逆文書頻度(tf-idf)に基づく新しいアプローチを提案し,抑うつ分類モデルを構築した。 マルチモーダル機能は、感情、トピック、ドメイン固有の視点からうつ病の手がかりを捉えます。 オーストラリアのニューサウスウェールズ州から発せられるTwitterユーザーからのツイートを最近削除し、この問題を調査した。 新たな分類モデルでは、新型コロナウイルスやその他の関連事象の影響を受けうるうつ病の極性を抽出することができる。 その結果、新型コロナウイルスの感染拡大で人々は落ち込んだ。 州ロックダウンなどの政府による措置も不況のレベルを上昇させた。 地方自治体レベル (lga) のさらなる分析により、コミュニティのうつ病レベルは異なるlgaで異なることがわかった。 このようなうつ病動態の粒度レベル分析は、政府部署などの当局が必要に応じて特定の地域でより客観的に対応できるだけでなく、ユーザーはうつ病のダイナミクスを時間とともに知覚することができる。

関連論文リスト

• Predicting Depression and Anxiety: A Multi-Layer Perceptron for Analyzing the Mental Health Impact of COVID-19 [1.9809980686152868]
  新型コロナウイルスのパンデミックに伴うメンタルヘルスの傾向を予測するため,多層パーセプトロン(MLP)であるCoDAPを導入した。 本手法は、米国成人の多様なコホートにおいて、最初の新型コロナウイルス波(2020年4月から6月)の間に、週10週間にわたってメンタルヘルスの症状を追跡した包括的データセットを用いている。 このモデルは、パンデミック中の不安や抑うつのパターンを予測するだけでなく、人口統計要因、行動の変化、および精神健康の社会的決定要因の相互作用に関する重要な洞察も明らかにしている。
  論文  参考訳（メタデータ） (2024-03-09T22:49:04Z)
• 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)
• Exploring Social Media for Early Detection of Depression in COVID-19 Patients [44.76299288962596]
  早期に検出と介入は、新型コロナウイルス患者のうつ病のリスクを減少させる可能性がある。 我々は、感染前後のソーシャルメディア活動に関する情報を含む新型コロナウイルス患者のデータセットを管理した。 うつ病リスクの高いCOVID-19患者の特徴を明らかにするため,本データセットを広範囲に分析した。
  論文  参考訳（メタデータ） (2023-02-23T14:13:52Z)
• 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)
• Mental Illness Classification on Social Media Texts using Deep Learning and Transfer Learning [55.653944436488786]
  世界保健機関(WHO)によると、約4億5000万人が影響を受ける。 うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。 本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
  論文  参考訳（メタデータ） (2022-07-03T11:33:52Z)
• 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)
• Examining the Role of Mood Patterns in Predicting Self-Reported Depressive symptoms [4.564132389935269]
  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。
  論文  参考訳（メタデータ） (2020-06-14T12:48:43Z)
• Analyzing COVID-19 on Online Social Media: Trends, Sentiments and Emotions [44.92240076313168]
  我々は、2020年1月20日から2020年5月11日までの間に、TwitterとWeiboの投稿に基づいて、アメリカ人と中国人の感情的な軌跡を分析した。 中国と国連の2つの非常に異なる国とは対照的に、異なる文化におけるCOVID-19に対する人々の見解に顕著な違いが浮かび上がっている。 我々の研究は、公共の感情やパンデミックに対する懸念をリアルタイムで明らかにするための計算的アプローチを提供し、政策立案者が人々のニーズをよりよく理解し、それによって最適な政策を立案するのに役立つ可能性がある。
  論文  参考訳（メタデータ） (2020-05-29T09:24:38Z)
• 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。