論文の概要: Small Cohort of Epilepsy Patients Showed Increased Activity on Facebook
before Sudden Unexpected Death
- arxiv url: http://arxiv.org/abs/2201.07552v1
- Date: Wed, 19 Jan 2022 12:11:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 12:26:00.637428
- Title: Small Cohort of Epilepsy Patients Showed Increased Activity on Facebook
before Sudden Unexpected Death
- Title（参考訳）: てんかん患者の小さなコホート、突然の死亡前にFacebook上での活動が増加
- Authors: Ian B. Wood and Rion Brattig Correia and Wendy R. Miller and Luis M.
Rocha
- Abstract要約: 難治性てんかん死 (SUDEP) はてんかん患者の死因である。
我々は、テキストと感情分析を用いて、オンラインデジタル行動データからSUDEPの仮定的予測信号を特定する可能性を探る。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Sudden Unexpected Death in Epilepsy (SUDEP) remains a leading cause of death
in people with epilepsy. Despite the constant risk for patients and bereavement
to family members, to date the physiological mechanisms of SUDEP remain
unknown. Here we explore the potential to identify putative predictive signals
of SUDEP from online digital behavioral data using text and sentiment analysis.
Specifically, we analyze Facebook timelines of six epilepsy patients deceased
due to SUDEP, donated by surviving family members. We find preliminary evidence
for behavioral changes detectable by text and sentiment analysis tools. Namely,
in the months preceding their SUDEP event patient social media timelines show:
i) increase in verbosity; ii) increased use of functional words; and iii)
sentiment shifts as measured by different sentiment analysis tools. Combined,
these results suggest that social media engagement, as well as its sentiment,
may serve as possible early-warning signals for SUDEP in people with epilepsy.
While the small sample of patient timelines analyzed in this study prevents
generalization, our preliminary investigation demonstrates the potential of
social media data as complementary data in larger studies of SUDEP and
epilepsy.
- Abstract（参考訳）: てんかんにおける突然の予期せぬ死(sudep)は、てんかん患者にとって主要な死因である。
患者や家族への遺族への遺族に対するリスクは絶え間なくあるものの、SUDEPの生理的メカニズムはいまだに不明である。
本稿では、テキストと感情分析を用いて、オンラインデジタル行動データからSUDEPの仮定的予測信号を特定する可能性を探る。
具体的には、SUDEPにより死亡した6人のてんかん患者のFacebookタイムラインを分析し、生き残った家族に寄付した。
テキストや感情分析ツールで検出可能な行動変化の予備的証拠を見いだす。
すなわち、SUDEPイベントに先立つ数ヶ月の間に、ソーシャルメディアのタイムラインが示す。
i) 冗長性の増加
二 機能語の使用量の増加、及び
三 異なる感情分析ツールによって測定された感情変化
これらの結果から,ソーシャルメディアの関与とその感情は,てんかん患者のsudepに対する早期警戒信号として機能する可能性が示唆された。
本研究で分析された患者タイムラインのサンプルは一般化を阻害するが,本研究の予備研究は,sudepとてんかんのより大きな研究において,ソーシャルメディアデータの補足データとしての可能性を示すものである。
関連論文リスト
- SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
セプシスは米国での院内死亡の主な原因である。
既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。
限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-24T04:47:36Z) - Event Detection from Social Media for Epidemic Prediction [76.90779562626541]
ソーシャルメディア投稿から疫病関連事象を抽出・分析する枠組みを構築した。
実験では、新型コロナウイルスベースのSPEEDで訓練されたEDモデルが、3つの目に見えない流行の流行を効果的に検出する方法が明らかにされている。
モンキーポックスのWHO流行宣言より4～9週間早く,抽出した事象の報告が急激な増加を示すことを示す。
論文 参考訳（メタデータ） (2024-04-02T06:31:17Z) - Harnessing the Power of Hugging Face Transformers for Predicting Mental
Health Disorders in Social Networks [0.0]
本研究では、ユーザ生成データを用いて精神疾患の症状を予測する方法について検討する。
本研究は,Hugging Faceの4種類のBERTモデルと標準的な機械学習技術を比較した。
新しいモデルは、最大97%の精度で以前のアプローチより優れている。
論文 参考訳（メタデータ） (2023-06-29T12:25:19Z) - 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) - Predicting mental health using social media: A roadmap for future
development [0.0]
うつ病や自殺などの精神障害は、世界中で3億人以上の人々に影響を及ぼす。
ソーシャルメディア上では、精神障害の症状が観察され、自動化されたアプローチがそれらを検出する能力が高まっている。
この研究は、精神状態検出を機械学習技術に基づいて行うことができる分析のロードマップを提供する。
論文 参考訳（メタデータ） (2023-01-25T08:08:29Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳（メタデータ） (2021-10-19T11:45:01Z) - Quantifying the Suicidal Tendency on Social Media: A Survey [0.0]
自殺は早産だが予防可能な死因の1つである。
近年の研究では、ソーシャルメディアデータのマイニングが、利用者の自殺傾向の定量化に役立っていることが示されている。
本書は、精神医療の分類を解明し、ソーシャルメディアデータにおける自殺傾向の定量化の可能性を検討するための最近の試みを強調している。
論文 参考訳（メタデータ） (2021-10-04T12:26:14Z) - #StayHome or #Marathon? Social Media Enhanced Pandemic Surveillance on
Spatial-temporal Dynamic Graphs [23.67939019353524]
新型コロナウイルスは、公衆衛生、社会、経済のほぼすべての領域に永続的な被害をもたらしている。
既存の研究は、伝統的な統計モデルと流行拡散理論の集約に依存している。
我々は,抽出した出来事と関係に基づいて,ソーシャルメディアがパンデミックの知識を広める新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-08-08T15:46:05Z) - 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) - Machine Learning for Predicting Epileptic Seizures Using EEG Signals: A
Review [1.7959899851975951]
脳波信号を用いた発作の早期予測における最先端ML手法のレビューを行う。
前もって予測できた場合、てんかん発作の悪影響から患者を救える。
MLベースのアルゴリズムには、てんかん発作の早期かつ正確な予測においてパラダイムシフトをもたらす可能性がある、エキサイティングな新しい展開がある。
論文 参考訳（メタデータ） (2020-02-04T06:22:24Z)
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。