論文の概要: A Pipeline to Understand Emerging Illness via Social Media Data Analysis: A Case Study on Breast Implant Illness

• arxiv url: http://arxiv.org/abs/2008.11238v2
• Date: Tue, 8 Mar 2022 22:37:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 23:43:27.368593
• Title: A Pipeline to Understand Emerging Illness via Social Media Data Analysis: A Case Study on Breast Implant Illness
• Title（参考訳）: ソーシャルメディアデータ分析による新興疾患の理解のためのパイプライン:乳房インプラント病を事例として
• Authors: Vishal Dey, Peter Krasniak, Minh Nguyen, Clara Lee and Xia Ning
• Abstract要約: 乳房インプラント疾患(BII)はソーシャルメディア上で広く議論されているが、医学文献では曖昧に定義されている。 自然言語処理(NLP)とトピックモデリングを用いたソーシャルメディアデータ分析のパイプラインを構築した。 当パイプラインでは, 毒性, 癌, 精神健康に関する話題について検討した。
• 参考スコア（独自算出の注目度）: 1.4646957596560077
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background: A new illness could first come to the public attention over social media before it is medically defined, formally documented or systematically studied. One example is a phenomenon known as breast implant illness (BII) that has been extensively discussed on social media, though vaguely defined in medical literature. Objectives: The objective of this study is to construct a data analysis pipeline to understand emerging illness using social media data, and to apply the pipeline to understand key attributes of BII. Methods: We conducted a pipeline of social media data analysis using Natural Language Processing (NLP) and topic modeling. We extracted mentions related to signs/symptoms, diseases/disorders and medical procedures using the Clinical Text Analysis and Knowledge Extraction System (cTAKES) from social media data. We mapped the mentions to standard medical concepts. We summarized mapped concepts to topics using Latent Dirichlet Allocation (LDA). Finally, we applied this pipeline to understand BII from several BII-dedicated social media sites. Results: Our pipeline identified topics related to toxicity, cancer and mental health issues that are highly associated with BII. Our pipeline also shows that cancers, autoimmune disorders and mental health problems are emerging concerns associated with breast implants based on social media discussions. The pipeline also identified mentions such as rupture, infection, pain and fatigue as common self-reported issues among the public, as well as toxicity from silicone implants. Conclusions: Our study could inspire future work studying the suggested symptoms and factors of BII. Our study provides the first analysis and derived knowledge of BII from social media using NLP techniques, and demonstrates the potential of using social media information to better understand similar emerging illnesses.
• Abstract（参考訳）: 背景:新しい病気は、医学的に定義され、文書化され、または体系的に研究される前に、最初にソーシャルメディア上で公衆の注目を集める可能性がある。 例えば、乳房インプラント疾患(BII)と呼ばれる現象がソーシャルメディアで広く議論されているが、医学文献では曖昧に定義されている。 目的:本研究の目的は,ソーシャルメディアデータを用いた新興疾患理解のためのデータ分析パイプラインの構築と,BIIの重要な属性を理解するためのパイプラインの適用である。 方法: 自然言語処理(NLP)とトピックモデリングを用いたソーシャルメディアデータ分析のパイプラインを構築した。 臨床テキスト分析・知識抽出システム(cTAKES)を用いて,徴候・症状・疾患・秩序・医療処置に関する言及をソーシャルメディアデータから抽出した。 私たちはその言及を標準医療概念にマッピングした。 我々は、Latent Dirichlet Allocation (LDA)を用いて、マップされた概念をトピックに要約した。 最後に,biiに代表されるソーシャルメディアサイトからbiiを理解するために,このパイプラインを適用した。 結果:biiと高度に関連した毒性,癌,精神疾患に関連するトピックをパイプラインで特定した。 また, 乳癌, 自己免疫疾患, メンタルヘルスの問題は, ソーシャルメディア上での議論に基づいて, 乳房インプラントに関する懸念が高まっていることが示された。 パイプラインはまた、破損、感染、痛み、疲労などについて、一般大衆に報告される一般的な問題として言及し、シリコーンインプラントからの毒性も挙げた。 結論:本研究は今後,示唆されるBIIの症状と要因の研究を刺激する可能性がある。 本研究は,NLP技術を用いてソーシャルメディアからBIIの知識を抽出し,ソーシャルメディア情報を用いて同様の疾患の理解を深める可能性を実証するものである。

関連論文リスト

• Leveraging Social Determinants of Health in Alzheimer's Research Using LLM-Augmented Literature Mining and Knowledge Graphs [33.755845172595365]
  成長する証拠は、社会的健康決定因子(SDoH)がアルツハイマー病(AD)と関連する認知症を発症する個人のリスクに影響を与えることを示唆している。 本研究は、SDoHの知識を広範囲にわたる文献から抽出し、AD関連生物学的実体と統合するための、新しい自動化された枠組みを提案する。 本フレームワークは,ADにおける知識発見の促進を約束し,他のSDoH関連研究領域に一般化することができる。
  論文  参考訳（メタデータ） (2024-10-04T21:39:30Z)
• Leveraging Prompt-Based Large Language Models: Predicting Pandemic Health Decisions and Outcomes Through Social Media Language [6.3576870613251675]
  我々は、ソーシャルメディアの言語パターンと国民健康結果の傾向との関連性を検討するために、プロンプトベースのLCMを用いている。 私たちの研究は、ソーシャルメディアの言語パターンと現実の公衆衛生トレンドを実証的に結びつける最初のものです。
  論文  参考訳（メタデータ） (2024-03-01T21:29:32Z)
• Empowering machine learning models with contextual knowledge for enhancing the detection of eating disorders in social media posts [1.0423569489053137]
  本稿では,知識グラフと深層学習を組み合わせてソーシャルメディア投稿の分類を強化する新しいハイブリッドアプローチを提案する。 我々は、健康領域、特に摂食障害に関連するポストを特定することに重点を置いている。 我々は,摂食障害に関する2000ツイートのデータセットを用いて,知識グラフ情報と単語埋め込みを組み合わせることで,予測モデルの信頼性が向上することを確認した。
  論文  参考訳（メタデータ） (2024-02-08T10:15:41Z)
• An Annotated Dataset for Explainable Interpersonal Risk Factors of Mental Disturbance in Social Media Posts [0.0]
  ソーシャルメディア上での精神障害に影響を及ぼす人為的リスクファクター(IRF)の分類と説明を伴う注釈付きデータセットの構築とリリースを行う。 我々は,TBeとPBuのパターンをユーザの歴史的ソーシャルメディアプロファイルの感情スペクトルで検出することにより,将来的な研究方向のベースラインモデルを構築し,リアルタイムなパーソナライズされたAIモデルを開発する。
  論文  参考訳（メタデータ） (2023-05-30T04:08:40Z)
• KNSE: A Knowledge-aware Natural Language Inference Framework for Dialogue Symptom Status Recognition [69.78432481474572]
  症状状態認識(SSR)のための新しいフレームワークKNSEを提案する。 対話ウィンドウ内の各症状について、まず、症状の状態に関する症状と仮説に関する知識を生成し、(前提、知識、仮説)三重項を形成する。 次にBERTモデルを使用して三重項を符号化し、さらに発話アグリゲーション、自己アテンション、横断アテンション、GRUなどのモジュールで処理して症状状態を予測する。
  論文  参考訳（メタデータ） (2023-05-26T11:23:26Z)
• NLP as a Lens for Causal Analysis and Perception Mining to Infer Mental Health on Social Media [10.342474142256842]
  我々は、臨床心理学の実践とパーソナライズされた精神医療に最適な影響を与えるために、より簡潔で説明可能な研究が必要であると論じる。 自然言語処理(NLP)の範囲内では,因果解析と知覚マイニングに関連する重要な調査領域を探索する。 我々は、言語レンズを通して計算心理学の問題をモデル化するための、より説明可能なアプローチを提唱する。
  論文  参考訳（メタデータ） (2023-01-26T09:26:01Z)
• 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)
• EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
  本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。 DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
  論文  参考訳（メタデータ） (2022-08-01T18:47:03Z)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)
• Text Mining to Identify and Extract Novel Disease Treatments From Unstructured Datasets [56.38623317907416]
  Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。 次に、テキストを体系的に前処理するためのパイプラインを構築します。 我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
  論文  参考訳（メタデータ） (2020-10-22T19:52:49Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)

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。