論文の概要: Characterization of Time-variant and Time-invariant Assessment of
Suicidality on Reddit using C-SSRS
- arxiv url: http://arxiv.org/abs/2104.04140v1
- Date: Fri, 9 Apr 2021 01:39:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-12 19:56:47.933685
- Title: Characterization of Time-variant and Time-invariant Assessment of
Suicidality on Reddit using C-SSRS
- Title(参考訳): C-SSRSを用いたRedditの時間変化と時間不変性の評価
- Authors: Manas Gaur, Vamsi Aribandi, Amanuel Alambo, Ugur Kursuncu,
Krishnaprasad Thirunarayan, Jonanthan Beich, Jyotishman Pathak, Amit Sheth
- Abstract要約: Redditデータから,重症度と時間性の観点から自殺リスクを評価するディープラーニングアルゴリズムを開発した。
本研究では, 時間変動アプローチが自殺関連思考と支持行動の評価において時間不変手法を上回っていることを示唆した。
提案手法は臨床診断面接と統合して自殺リスク評価を改善することができる。
- 参考スコア(独自算出の注目度): 9.424631103856596
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Suicide is the 10th leading cause of death in the U.S (1999-2019). However,
predicting when someone will attempt suicide has been nearly impossible. In the
modern world, many individuals suffering from mental illness seek emotional
support and advice on well-known and easily-accessible social media platforms
such as Reddit. While prior artificial intelligence research has demonstrated
the ability to extract valuable information from social media on suicidal
thoughts and behaviors, these efforts have not considered both severity and
temporality of risk. The insights made possible by access to such data have
enormous clinical potential - most dramatically envisioned as a trigger to
employ timely and targeted interventions (i.e., voluntary and involuntary
psychiatric hospitalization) to save lives. In this work, we address this
knowledge gap by developing deep learning algorithms to assess suicide risk in
terms of severity and temporality from Reddit data based on the Columbia
Suicide Severity Rating Scale (C-SSRS). In particular, we employ two deep
learning approaches: time-variant and time-invariant modeling, for user-level
suicide risk assessment, and evaluate their performance against a
clinician-adjudicated gold standard Reddit corpus annotated based on the
C-SSRS. Our results suggest that the time-variant approach outperforms the
time-invariant method in the assessment of suicide-related ideations and
supportive behaviors (AUC:0.78), while the time-invariant model performed
better in predicting suicide-related behaviors and suicide attempt (AUC:0.64).
The proposed approach can be integrated with clinical diagnostic interviews for
improving suicide risk assessments.
- Abstract(参考訳): 自殺は米国で10番目に多い死因である(1999-2019)。
しかし、自殺未遂の時期の予測はほぼ不可能である。
現代の世界では、精神疾患に苦しむ多くの人々が、redditのような有名で簡単にアクセスできるソーシャルメディアプラットフォーム上で、感情的なサポートとアドバイスを求めています。
従来の人工知能研究は、自殺の考えや行動についてソーシャルメディアから貴重な情報を抽出する能力を示しているが、これらの取り組みはリスクの深刻さと時間性の両方を考慮していない。
このようなデータへのアクセスによって可能になった洞察は、大きな臨床的可能性を持ち、人生を救うために、タイムリーで目標とする介入(自発的で自発的な精神病院化)を採用する引き金として、最も劇的に想定されている。
本研究では,コロンビア自殺重大度評価尺度(c-ssrs)に基づくredditデータから,自殺リスクを評価するための深層学習アルゴリズムを開発することで,この知識のギャップを解決する。
特に,ユーザレベルの自殺リスクアセスメントのための時間変化と時間不変モデリングの2つのディープラーニングアプローチを採用し,c-ssrに基づいてアノテートされた臨床医によるゴールド標準redditコーパスに対するパフォーマンス評価を行った。
以上の結果から, 時変アプローチは自殺関連観念・支援行動の評価において時間不変法よりも優れており, 時間不変モデルは自殺関連行動・自殺未遂の予測に優れていたことが示唆された。
提案手法は臨床診断面接と統合して自殺リスク評価を改善することができる。
関連論文リスト
- Conceptualizing Suicidal Behavior: Utilizing Explanations of Predicted
Outcomes to Analyze Longitudinal Social Media Data [2.76101452577748]
新型コロナウイルスのパンデミックは世界中でメンタルヘルスの危機をエスカレートしている。
自殺は、恥、虐待、放棄、うつ病のような精神状態などの社会的要因によって引き起こされる。
これらの状況が発展するにつれて、自殺的思考の兆候がソーシャルメディアの相互作用に現れる可能性がある。
論文 参考訳(メタデータ) (2023-12-13T17:15:12Z) - CenTime: Event-Conditional Modelling of Censoring in Survival Analysis [49.44664144472712]
CenTimeは、イベントへの時間を直接見積もる、サバイバル分析の新しいアプローチである。
本手法は,非検閲データが少ない場合でも,堅牢なイベント条件検閲機構を特徴とする。
以上の結果から,CenTimeは同等の性能を維持しつつ,死までの時間を予測する上で,最先端のパフォーマンスを提供することがわかった。
論文 参考訳(メタデータ) (2023-09-07T17:07:33Z) - Am I No Good? Towards Detecting Perceived Burdensomeness and Thwarted
Belongingness from Suicide Notes [51.378225388679425]
本稿では,自殺ノートから知覚的バーデンサムネス(PB)とThwarted Belongingness(TB)を検出する新しい課題に対処するエンドツーエンドマルチタスクシステムを提案する。
また、ベンチマークCEASE-v2.0データセットに基づいて、手動で翻訳したコード混合自殺メモコーパス、CoMCEASE-v2.0を導入する。
自殺ノートの時間方向と感情情報を利用して全体のパフォーマンスを向上する。
論文 参考訳(メタデータ) (2022-05-20T06:31:08Z) - ScAN: Suicide Attempt and Ideation Events Dataset [4.905488376442885]
自殺未遂(SA)や自殺構想(SI)などの自殺行為は、自殺による死亡のリスク要因となっている。
このようなドキュメンテーションの正確な検出は、患者の自殺行為の監視と予測を改善するのに役立つかもしれない。
論文 参考訳(メタデータ) (2022-05-12T17:11:07Z) - An ensemble deep learning technique for detecting suicidal ideation from
posts in social media platforms [0.0]
本稿ではLSTM-Attention-CNN複合モデルを提案する。
提案されたモデルは90.3%の精度、F1スコア92.6%の精度を示した。
論文 参考訳(メタデータ) (2021-12-17T15:34:03Z) - Weakly-Supervised Methods for Suicide Risk Assessment: Role of Related
Domains [19.397193137918176]
本稿では,自殺リスク評価に対する弱監督的アプローチのいくつかのクラスに対する実証的研究を提案する。
精神保健に関する問題(不安、抑うつなど)に基づく疑似ラベルの使用は、自殺リスク評価のためのモデルパフォーマンスの向上に役立つことを示す。
論文 参考訳(メタデータ) (2021-06-05T04:31:06Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳(メタデータ) (2020-09-20T12:24:45Z) - Survival Modeling of Suicide Risk with Rare and Uncertain Diagnoses [15.732431764583323]
我々は,自殺未遂により入院し,後に退院した患者に対して,その後の自殺未遂のリスクを調査するために医療クレームデータを用いた。
疑わしい」自殺未遂の約20%は、傷害や毒の外部原因を示す診断コードから特定される。
論文 参考訳(メタデータ) (2020-09-05T20:47:16Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳(メタデータ) (2020-05-18T07:40:49Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z) - Suicidal Ideation and Mental Disorder Detection with Attentive Relation
Networks [43.2802002858859]
本稿では,語彙に基づく感情スコアと潜在トピックを用いたテキスト表現を強化する。
本研究は,自殺思考と精神障害を関連するリスク指標を用いて検出する関係ネットワークを提案する。
論文 参考訳(メタデータ) (2020-04-16T11:18:55Z)
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。