論文の概要: Assessing the Severity of Health States based on Social Media Posts

• arxiv url: http://arxiv.org/abs/2009.09600v1
• Date: Mon, 21 Sep 2020 03:45:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-16 04:51:35.662271
• Title: Assessing the Severity of Health States based on Social Media Posts
• Title（参考訳）: ソーシャルメディア投稿に基づく健康状態の重症度評価
• Authors: Shweta Yadav, Joy Prakash Sain, Amit Sheth, Asif Ekbal, Sriparna Saha, Pushpak Bhattacharyya
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 62.52087340582502
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The unprecedented growth of Internet users has resulted in an abundance of unstructured information on social media including health forums, where patients request health-related information or opinions from other users. Previous studies have shown that online peer support has limited effectiveness without expert intervention. Therefore, a system capable of assessing the severity of health state from the patients' social media posts can help health professionals (HP) in prioritizing the user's post. In this study, we inspect the efficacy of different aspects of Natural Language Understanding (NLU) to identify the severity of the user's health state in relation to two perspectives(tasks) (a) Medical Condition (i.e., Recover, Exist, Deteriorate, Other) and (b) Medication (i.e., Effective, Ineffective, Serious Adverse Effect, Other) in online health communities. We propose a multiview learning framework that models both the textual content as well as contextual-information to assess the severity of the user's health state. Specifically, our model utilizes the NLU views such as sentiment, emotions, personality, and use of figurative language to extract the contextual information. The diverse NLU views demonstrate its effectiveness on both the tasks and as well as on the individual disease to assess a user's health.
• Abstract（参考訳）: インターネットユーザーの前例のない成長は、患者が他のユーザーから健康関連の情報や意見を求める健康フォーラムを含む、ソーシャルメディア上の非構造化情報を豊富に生み出している。 これまでの研究では、専門家の介入なしにオンラインピアサポートが有効性に制限されていることが示されている。 したがって、患者のソーシャルメディア投稿から健康状態の重症度を評価するシステムにより、利用者の投稿を優先する健康専門家(HP)を支援することができる。 本研究では,NLU(Natural Language Understanding, 自然言語理解)の異なる側面の有効性を検証し, ユーザの健康状態の重症度を2つの視点(タスク)に関連づける。 (a)医学的状態(回復、現存、劣化等) (b)オンライン・ヘルス・コミュニティにおける薬物(有効、非有効、重篤な副作用その他) 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。 具体的には、感情、感情、個性、図形言語の使用といったNLUの視点を利用して文脈情報を抽出する。 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。

関連論文リスト

• Yes, this is what I was looking for! Towards Multi-modal Medical Consultation Concern Summary Generation [46.42604861624895]
  マルチモーダル・メディカル・コンシューム・サマリ・ジェネレーションの新しい課題を提案する。 患者のジェスチャーや表情などの非言語的手がかりは、患者の懸念を正確に識別するのに役立つ。 マルチモーダル・メディカル・コンシューム・サマリー・ジェネレーション・コーパスを構築。
  論文  参考訳（メタデータ） (2024-01-10T12:56:47Z)
• Privacy Aware Question-Answering System for Online Mental Health Risk Assessment [0.45935798913942893]
  ソーシャルメディアプラットフォームにより、精神疾患に苦しむ個人は、生きた経験を共有し、対処するために必要なオンラインサポートを見つけることができる。 本研究では,2つの大規模メンタルヘルスデータセット上での統一QAモデルを用いて,メンタルヘルスリスクを評価するための質問応答(QA)アプローチを提案する。 本研究は,QA課題としてのリスクアセスメントのモデル化の有効性を実証するものである。
  論文  参考訳（メタデータ） (2023-06-09T03:37:49Z)
• A Comprehensive Picture of Factors Affecting User Willingness to Use Mobile Health Applications [62.60524178293434]
  本研究の目的は,mHealthアプリのユーザ受け入れに影響を与える要因を検討することである。 利用者のデジタルリテラシーは、個人情報を共有するオンライン習慣に続き、使用意欲に最も強い影響を与える。 居住国、年齢、民族、教育などの利用者の人口統計学的背景は、顕著な緩和効果がある。
  論文  参考訳（メタデータ） (2023-05-10T08:11:21Z)
• Multi-task Learning for Personal Health Mention Detection on Social Media [70.23889100356091]
  本研究では、マルチタスク学習フレームワークを用いて、利用可能な注釈付きデータを活用し、メインタスクのパフォーマンスを向上させる。 我々は、感情検出を補助タスクとして利用することで、感情情報を対象タスクに組み込むことに重点を置いている。
  論文  参考訳（メタデータ） (2022-12-09T23:49:00Z)
• 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)
• On Curating Responsible and Representative Healthcare Video Recommendations for Patient Education and Health Literacy: An Augmented Intelligence Approach [5.545277272908999]
  アメリカの成人の3人に1人がインターネットを使って健康上の懸念を診断し、学んでいる。 健康リテラシーの分割はアルゴリズムの推薦によって悪化する可能性がある。
  論文  参考訳（メタデータ） (2022-07-13T01:54:59Z)
• Understanding Health Misinformation Transmission: An Interpretable Deep Learning Approach to Manage Infodemics [6.08461198240039]
  本研究では,新しい解釈可能な深層学習手法であるGenerative Adversarial NetworkベースのPiecewise Wide and Attention Deep Learning (GAN-PiWAD)を提案する。 社会交換理論に則った特徴を選択し、4,445本の誤報動画でGAN-PiWADを評価します。 本研究は,ソーシャルメディアプラットフォームや政策立案者に対して,誤情報を識別し,伝達を制御し,インフォデミクスを管理するための積極的な介入をデザインする直接的意義を与える。
  論文  参考訳（メタデータ） (2020-12-21T15:49:19Z)
• 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)

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。