論文の概要: Then and Now: Quantifying the Longitudinal Validity of Self-Disclosed Depression Diagnoses

• arxiv url: http://arxiv.org/abs/2206.11155v1
• Date: Wed, 22 Jun 2022 15:02:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-23 14:52:30.048249
• Title: Then and Now: Quantifying the Longitudinal Validity of Self-Disclosed Depression Diagnoses
• Title（参考訳）: そして今, 自己開示型うつ病の縦断的妥当性の定量化
• Authors: Keith Harrigian and Mark Dredze
• Abstract要約: 精神的な健康診断の自己開示は、時間とともに実際にどのような関係があるのか? 我々は5年以上前にうつ病の診断をソーシャルメディアで公表した個人による最近の活動を分析した。 自己開示診断を用いてキュレートしたデータセットにおける人格関連バイアスの存在の証拠を拡大した。
• 参考スコア（独自算出の注目度）: 15.002282686061905
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Self-disclosed mental health diagnoses, which serve as ground truth annotations of mental health status in the absence of clinical measures, underpin the conclusions behind most computational studies of mental health language from the last decade. However, psychiatric conditions are dynamic; a prior depression diagnosis may no longer be indicative of an individual's mental health, either due to treatment or other mitigating factors. We ask: to what extent are self-disclosures of mental health diagnoses actually relevant over time? We analyze recent activity from individuals who disclosed a depression diagnosis on social media over five years ago and, in turn, acquire a new understanding of how presentations of mental health status on social media manifest longitudinally. We also provide expanded evidence for the presence of personality-related biases in datasets curated using self-disclosed diagnoses. Our findings motivate three practical recommendations for improving mental health datasets curated using self-disclosed diagnoses: 1) Annotate diagnosis dates and psychiatric comorbidities; 2) Sample control groups using propensity score matching; 3) Identify and remove spurious correlations introduced by selection bias.
• Abstract（参考訳）: 自己開示型精神保健診断は、臨床対策がなければ精神保健状態に関する基礎的真理の注釈となり、過去10年間の精神保健言語に関するほとんどの計算研究の結論を導いた。 しかし、精神疾患は動的であり、以前のうつ病の診断は、治療やその他の緩和要因によって、もはや個人の精神的健康を示すものではない。 精神的な健康診断の自己開示は、時間とともに実際にどのような関係があるのか? 5年以上前にソーシャルメディア上でうつ病の診断を明かした人物の最近の活動を分析し,その結果,ソーシャルメディア上でのメンタルヘルス状態の呈示が縦断的にどのように現れるか,新たな理解を得た。 また,自己開示診断を用いて収集したデータセットにおけるパーソナリティ関連バイアスの存在に関する広範な証拠を提供する。 本研究は、自己開示診断を用いたメンタルヘルスデータセット改善のための3つの実践的推奨事項を動機付けている。 1) 診断日及び精神医学的共生を注釈する。 2)適合度スコアマッチングを用いたサンプル制御グループ 3)選択バイアスによって生じる急激な相関を同定・除去する。

関連論文リスト

• MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
  メンタルヘルス障害は世界で最も深刻な病気の1つである。 プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。 MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
  論文  参考訳（メタデータ） (2024-10-09T13:06:40Z)
• Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
  本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。 DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。 実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
  論文  参考訳（メタデータ） (2023-10-11T02:47:21Z)
• LOST: A Mental Health Dataset of Low Self-esteem in Reddit Posts [4.6071451559137175]
  低自尊心と対人欲求は、うつ病や自殺の試みに大きな影響を及ぼす。 個人は、孤独を増進し緩和するためにソーシャルメディア上の社会的つながりを求めます。 Reddit上での低自己評価を研究・検出するために,心理学的根拠と専門的な注釈付きデータセット,LoST: Low Self esTeemを紹介した。
  論文  参考訳（メタデータ） (2023-06-08T23:52:35Z)
• UATTA-EB: Uncertainty-Aware Test-Time Augmented Ensemble of BERTs for Classifying Common Mental Illnesses on Social Media Posts [0.0]
  UATTA-EB: Uncertainty-Aware Test-Time Augmented Ensembling of BERTs for produce reliable and well-calibrated predictions。 Reddit上の非構造化ユーザデータを分析して、None、Depression、Anxiety、Bipolar disorder、ADHD、PTSDの6種類の精神疾患の分類を行う。
  論文  参考訳（メタデータ） (2023-04-10T12:18:53Z)
• Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
  精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。 本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
  論文  参考訳（メタデータ） (2023-02-05T22:33:49Z)
• 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)
• DEPTWEET: A Typology for Social Media Texts to Detect Depression Severities [0.46796109436086664]
  我々はうつ病の重症度を検出するために,うつ病の臨床的記述を活用してソーシャルメディアテキストのタイプロジを構築する。 精神疾患の診断・統計マニュアル(DSM-5)と患者健康アンケート(PHQ-9)の標準的臨床評価手順をエミュレートする 専門家アノテータによってラベル付けされた40191ツイートの新しいデータセットを提示します。それぞれのツイートは、"non-depressed"あるいは"depressed"とラベル付けされます。
  論文  参考訳（メタデータ） (2022-10-10T08:23:57Z)
• Mental Illness Classification on Social Media Texts using Deep Learning and Transfer Learning [55.653944436488786]
  世界保健機関(WHO)によると、約4億5000万人が影響を受ける。 うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。 本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
  論文  参考訳（メタデータ） (2022-07-03T11:33:52Z)
• Data set creation and empirical analysis for detecting signs of depression from social media postings [0.0]
  うつ病は、深刻な結果を避けるために、早期に検出され治療されなければならない一般的な精神疾患である。 我々は、ソーシャルメディアの投稿から、うつ病のレベルが落ち込んでいないこと、中程度に落ち込んでいないこと、および深刻な落ち込んでいないことを検知する、金の標準データセットを開発した。
  論文  参考訳（メタデータ） (2022-02-07T10:24:33Z)
• Understanding who uses Reddit: Profiling individuals with a self-reported bipolar disorder diagnosis [8.679020335206753]
  本稿では,既存のNLP手法が,約20万 Reddit ユーザの臨床,人口統計,アイデンティティ特性に関する情報をいかに得るかを示す。 この人口は男性よりやや多く、主に若年または中年の成人で、精神疾患の診断を受けることが多い。
  論文  参考訳（メタデータ） (2021-04-23T13:58:20Z)
• Deep Multi-task Learning for Depression Detection and Prediction in Longitudinal Data [50.02223091927777]
  うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。 機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。 本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-05T05:14:14Z)

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。