Fugu-MT 論文翻訳(概要): The Healthy States of America: Creating a Health Taxonomy with Social Media

論文の概要: The Healthy States of America: Creating a Health Taxonomy with Social Media

arxiv url: http://arxiv.org/abs/2103.01169v1
Date: Mon, 1 Mar 2021 18:07:47 GMT
ステータス: 処理完了
システム内更新日: 2021-03-03 17:21:31.935444
Title: The Healthy States of America: Creating a Health Taxonomy with Social Media
Title（参考訳）: アメリカの健康状態:ソーシャルメディアによる健康分類の創造
Authors: Sanja Scepanovic, Luca Maria Aiello, Ke Zhou, Sagar Joglekar, Daniele Quercia
Abstract要約: オンライン上での議論から,医療状況の包括的分類を自動生成する。我々は、米国における地理的参照されたReddit投稿の分類学のサブカテゴリの言及に基づいて、疾患特異的健康スコアを計算します。分類学的な構造を知らない病名数や数とは対照的に、我々の疾患固有の健康スコアは、公式に報告された18の疾患の有病率と因果関係があることが判明した。
参考スコア（独自算出の注目度）: 4.918678963496353
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Since the uptake of social media, researchers have mined online discussions to track the outbreak and evolution of specific diseases or chronic conditions such as influenza or depression. To broaden the set of diseases under study, we developed a Deep Learning tool for Natural Language Processing that extracts mentions of virtually any medical condition or disease from unstructured social media text. With that tool at hand, we processed Reddit and Twitter posts, analyzed the clusters of the two resulting co-occurrence networks of conditions, and discovered that they correspond to well-defined categories of medical conditions. This resulted in the creation of the first comprehensive taxonomy of medical conditions automatically derived from online discussions. We validated the structure of our taxonomy against the official International Statistical Classification of Diseases and Related Health Problems (ICD-11), finding matches of our clusters with 20 official categories, out of 22. Based on the mentions of our taxonomy's sub-categories on Reddit posts geo-referenced in the U.S., we were then able to compute disease-specific health scores. As opposed to counts of disease mentions or counts with no knowledge of our taxonomy's structure, we found that our disease-specific health scores are causally linked with the officially reported prevalence of 18 conditions.
Abstract（参考訳）: ソーシャルメディアの取り込み以来、研究者は特定の病気やインフルエンザやうつ病などの慢性疾患の発生と進化を追跡するためにオンラインディスカッションをマイニングしています。研究対象の疾患の集合を広げるために,非構造化のソーシャルメディアテキストから,事実上あらゆる医学的状態や病気の言及を抽出する自然言語処理のためのDeep Learningツールを開発した。このツールを使って、RedditとTwitterの投稿を処理し、その結果生じる2つのコンディションの共起ネットワークのクラスタを分析し、それらが明確に定義された医療条件のカテゴリに対応することを発見した。この結果、オンライン議論から自動的に派生した医療条件の包括的分類法が誕生した。疾患と関連する健康問題の国際統計分類(ICD-11)に対する分類の構造を検証した。米国における地理的参照に関するReddit投稿の分類学のサブカテゴリの言及に基づいて、私たちは病気固有の健康スコアを計算することができました。分類学的な構造を知らない病名数や数とは対照的に、我々の疾患固有の健康スコアは、公式に報告された18の疾患の有病率と因果関係があることが判明した。

関連論文リスト

A Knowledge-enhanced Pathology Vision-language Foundation Model for Cancer Diagnosis [58.85247337449624]
本稿では,疾患知識を階層型セマンティックグループ内のアライメントに組み込む知識強化型視覚言語事前学習手法を提案する。 KEEPはゼロショット癌診断タスクにおいて最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-12-17T17:45:21Z)
On the State of NLP Approaches to Modeling Depression in Social Media: A Post-COVID-19 Outlook [21.978924582262263]
うつ病は最も広く研究されている精神疾患である。新型コロナウイルス(COVID-19)の世界的なパンデミックは、世界中のメンタルヘルスに大きな影響を与えた。ソーシャルメディアにおける抑うつをモデル化するための自然言語処理(NLP)アプローチについて調査する。
論文参考訳（メタデータ） (2024-10-11T13:20:54Z)
Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文参考訳（メタデータ） (2024-04-26T16:39:50Z)
Exploring Hybrid and Ensemble Models for Multiclass Prediction of Mental Health Status on Social Media [27.799032561722893]
Redditのソーシャルメディア投稿から,不安,注意欠陥多動性障害,双極性障害,外傷後ストレス障害,抑うつ,心理的ストレス)の6つの症状を予測する実験を報告する。変圧器アーキテクチャ(BERT,RoBERTa)とBiLSTMニューラルネットワークを利用したハイブリッド・アンサンブルモデルの性能について検討・比較を行った。また,特定の精神状態の指標として,どのような特徴が最も重要であるかを検討するために,特徴アブレーション実験を実施している。
論文参考訳（メタデータ） (2022-12-19T20:31:47Z)
"COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文参考訳（メタデータ） (2022-06-12T19:41:01Z)
Co-occurrence of medical conditions: Exposing patterns through probabilistic topic modeling of SNOMED codes [0.3867363075280544]
腎疾患に罹患している人には、特に共起状態が一般的である。本研究の目的は,確率的枠組みを用いた患者の共起医療状況のパターンを同定し,特徴付けることである。
論文参考訳（メタデータ） (2021-09-19T19:34:21Z)
Health, Psychosocial, and Social issues emanating from COVID-19 pandemic based on Social Media Comments using Natural Language Processing [8.150081210763567]
新型コロナウイルス(COVID-19)のパンデミックは、世界の健康危機を引き起こし、多くの人の生活に影響を与えている。ソーシャルメディアのデータは、政府や保健機関がパンデミックにどう対処しているかに対する大衆の認識を明らかにすることができる。本稿は、新型コロナウイルスのパンデミックが世界規模でソーシャルメディアデータを利用した人々に与える影響を調査することを目的とする。
論文参考訳（メタデータ） (2020-07-23T17:19:50Z)
Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文参考訳（メタデータ） (2020-07-22T18:02:39Z)
Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文参考訳（メタデータ） (2020-06-23T03:36:19Z)
Deep Sentiment Classification and Topic Discovery on Novel Coronavirus or COVID-19 Online Discussions: NLP Using LSTM Recurrent Neural Network Approach [11.53288322076089]
2019年12月、新型コロナウイルス(COVID-19)の感染が報告された。我々は、ソーシャルメディアからの新型コロナウイルス関連議論の自動抽出とトピックモデリングに基づく自然言語処理(NLP)手法を用いて、世論からCOVID-19関連諸問題を明らかにする。以上の結果から,COVID-19を取り巻く問題を理解し,関連する意思決定を導く上で,世論と適切な計算手法を用いることの重要性が示唆された。
論文参考訳（メタデータ） (2020-04-24T16:29:13Z)
Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
論文参考訳（メタデータ） (2020-03-26T13:55:50Z)

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。