論文の概要: Social Media App Usage in Relation with PHQ-9 Depression Scores during
the COVID-19 Pandemic
- arxiv url: http://arxiv.org/abs/2210.08883v1
- Date: Mon, 17 Oct 2022 09:27:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 11:43:31.963612
- Title: Social Media App Usage in Relation with PHQ-9 Depression Scores during
the COVID-19 Pandemic
- Title（参考訳）: 新型コロナウイルスパンデミック時のPHQ-9抑うつスコアとソーシャルメディアアプリ利用
- Authors: Lena Mulansky and R\"udiger Pryss and Caroline Cohrdes and Harald
Baumeister and Felix Beierle
- Abstract要約: うつ病 (MDD) は、世界でも最も一般的な疾患の一つである。
新型コロナウイルスの感染拡大に伴い、感染者数はさらに28%増加した。
パンデミック時のソーシャルメディア・コミュニケーションアプリの使用状況と抑うつ症状について検討した。
- 参考スコア（独自算出の注目度）: 1.6095459961285017
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With about 300 million affected people, major depressive disorder (MDD) is
one of the most common diseases worldwide. During the COVID-19 pandemic, the
number of cases increased even further, by 28%. Many factors may be correlated
with MDD, including the excessive use of social media apps. In this paper, we
investigated the relationship between the use of social media and communication
apps and depressive symptoms during the COVID-19 pandemic. The pandemic and
social distancing like lockdowns probably changed smartphone usage times and
usage patterns. While previous studies have shown an association between
depression and social media usage, we report about the situation during these
special circumstances.We employed a log-linear regression to examine the
association of social media and communication app usage and depression. To
quantify the usage, we applied the total usage time in hours of social media
apps (e.g., WhatsApp, Facebook) as well as communication apps (Phone and
Messaging) within one week. To measure depressive symptoms, we used the PHQ-9
score. We discovered a significant association between the usage time and the
PHQ-9 score (beta=0.0084, p-value=0.010). We conclude that social media usage
is a robust marker for depression severity and future research should focus on
a better understanding of the underlying causality and potential
counter-measures.
- Abstract（参考訳）: 約3億人の患者を抱える大うつ病(MDD)は、世界中で最も一般的な疾患の1つである。
新型コロナウイルスの感染拡大に伴い、感染者数はさらに28%増加した。
ソーシャルメディアアプリの過剰使用など、多くの要因がMDDと相関している可能性がある。
本稿では,新型コロナウイルスのパンデミックにおけるソーシャルメディアとコミュニケーションアプリの利用と抑うつ症状との関連について検討した。
パンデミックとロックダウンのようなソーシャルディスタンシングは、おそらくスマートフォンの使用時間と利用パターンを変えた。
先行研究では、抑うつとソーシャルメディアの利用との関連が示されているが、こうした特殊な状況下での状況について報告し、ソーシャルメディアとコミュニケーションアプリの利用と抑うつとの関連性を調べるために、ログ線形回帰を用いた。
使用時間を定量化するために、ソーシャルメディアアプリ(WhatsApp、Facebookなど)とコミュニケーションアプリ(Phone、Messageなど)の合計使用時間を1週間以内に適用しました。
抑うつ症状の測定にはphq-9スコアを用いた。
使用時間とPHQ-9スコアとの間に有意な相関が認められた(beta=0.0084, p-value=0.010)。
我々は,ソーシャルメディアの利用がうつ病の重篤な指標であると結論し,今後の研究は,基礎となる因果関係と潜在的な対策についてより深く理解することに焦点を当てるべきである。
関連論文リスト
- Multi Class Depression Detection Through Tweets using Artificial Intelligence [0.0]
5種類のうつ病(バイポーラ、メジャー、サイコティック、非定型、ポストパルタ)を、レキシコンラベルに基づくTwitterデータベースからのツイートで予測した。
特徴抽出と訓練にはBERT(Bidirectional Representations from Transformers)が用いられた。
BERTモデルは最も有望な結果を示し、全体的な精度は0.96である。
論文 参考訳（メタデータ） (2024-04-19T12:47:56Z) - MASON-NLP at eRisk 2023: Deep Learning-Based Detection of Depression
Symptoms from Social Media Texts [0.0]
うつ病は精神疾患であり、人々の生活に大きな影響を及ぼす。
最近の研究は、うつ病の兆候が個人のコミュニケーションの仕方で検出できることを示唆している。
ソーシャルメディア投稿は、うつ病の症状を調べるためのリッチで便利なテキストソースです。
論文 参考訳（メタデータ） (2023-10-17T02:34:34Z) - Cordyceps@LT-EDI: Depression Detection with Reddit and Self-training [0.0]
うつ病は不安定であり、まれではない。事実、過度のソーシャルメディア利用者の研究は、うつ病、ADHD、その他のメンタルヘルスの懸念と相関している。
本研究では,重度,中等度,低レベルのうつ病を経験しているユーザからの投稿を予測するために,半教師付き学習技術を用いた重度うつ病検出システムを提案する。
論文 参考訳（メタデータ） (2023-09-24T01:14:49Z) - 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) - 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) - Adherence to Misinformation on Social Media Through Socio-Cognitive and
Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。
偏光と誤情報付着が密接な関係にあると仮定する。
論文 参考訳（メタデータ） (2022-06-30T12:34:24Z) - "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) - Understanding the Hoarding Behaviors during the COVID-19 Pandemic using
Large Scale Social Media Data [77.34726150561087]
われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。
ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。
LIWCの不安度はTwitterの不安度よりもかなり高い。
論文 参考訳（メタデータ） (2020-10-15T16:02:25Z) - Detecting Community Depression Dynamics Due to COVID-19 Pandemic in
Australia [17.856486813652932]
本稿では,Twitter上のユーザ生成コンテンツを通じて,COVID-19パンデミックによる地域うつ病の動態を考察する。
オーストラリアのニューサウスウェールズ州から発せられるTwitterユーザーからのツイートを最近削除し、この問題を調査した。
我々の新しい分類モデルは、新型コロナウイルスの影響を受けうるうつ病の極性を抽出することができる。
論文 参考訳（メタデータ） (2020-07-05T12:55:34Z) - The Ivory Tower Lost: How College Students Respond Differently than the
General Public to the COVID-19 Pandemic [66.80677233314002]
新型コロナウイルス感染症(COVID-19)のパンデミックは、政府に究極の課題を提示した。
米国では、新型コロナウイルス感染者が最も多い国で、全国的なソーシャルディスタンシングプロトコルが大統領によって実施されている。
本稿では,この対話型社会における前例のない破壊の社会的意義を,ソーシャルメディア上での人々の意見のマイニングによって発見することを目的とする。
論文 参考訳（メタデータ） (2020-04-21T13:02:38Z) - Machine Learning-based Approach for Depression Detection in Twitter
Using Content and Activity Features [0.0]
近年の研究では、ソーシャルメディアサイトの利用率とうつ病の増加の相関が示されている。
本研究の目的は、ネットワークの振る舞いとつぶやきの両方に基づいて、潜在的に落ち込んだTwitterユーザーを検出する機械学習技術を活用することである。
論文 参考訳（メタデータ） (2020-03-09T11:27:39Z)
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。