論文の概要: Generalizable Natural Language Processing Framework for Migraine
Reporting from Social Media
- arxiv url: http://arxiv.org/abs/2212.12454v1
- Date: Fri, 23 Dec 2022 16:29:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 16:46:16.151433
- Title: Generalizable Natural Language Processing Framework for Migraine
Reporting from Social Media
- Title（参考訳）: ソーシャルメディアからの片頭痛報告のための汎用自然言語処理フレームワーク
- Authors: Yuting Guo, Swati Rajwal, Sahithi Lakamana, Chia-Chun Chiang, Paul C.
Menell, Adnan H. Shahid, Yi-Chieh Chen, Nikita Chhabra, Wan-Ju Chao, Chieh-Ju
Chao, Todd J. Schwedt, Imon Banerjee, Abeed Sarker
- Abstract要約: ミグレイン(Migraine)は、高頻度で機能不全な神経疾患である。
われわれは5750件のTwitter投稿と302件のReddit投稿を手動でアノテートした。
われわれのシステムはTwitterで0.90点、Redditで0.93点を記録した。
- 参考スコア（独自算出の注目度）: 2.984452376898188
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Migraine is a high-prevalence and disabling neurological disorder. However,
information migraine management in real-world settings could be limited to
traditional health information sources. In this paper, we (i) verify that there
is substantial migraine-related chatter available on social media (Twitter and
Reddit), self-reported by migraine sufferers; (ii) develop a
platform-independent text classification system for automatically detecting
self-reported migraine-related posts, and (iii) conduct analyses of the
self-reported posts to assess the utility of social media for studying this
problem. We manually annotated 5750 Twitter posts and 302 Reddit posts. Our
system achieved an F1 score of 0.90 on Twitter and 0.93 on Reddit. Analysis of
information posted by our 'migraine cohort' revealed the presence of a plethora
of relevant information about migraine therapies and patient sentiments
associated with them. Our study forms the foundation for conducting an in-depth
analysis of migraine-related information using social media data.
- Abstract（参考訳）: 片頭痛は高い評価と神経障害である。
しかし、実際の環境での情報偏頭痛管理は、従来の健康情報ソースに限られる可能性がある。
本稿では,
(i)偏頭痛に関連するおしゃべりがソーシャルメディア(twitter及びreddit)で利用可能であることを確認する。
(ii)自己申告片頭痛関連投稿を自動的に検出するプラットフォーム非依存のテキスト分類システムの開発、及び
(iii)この問題を研究するためのソーシャルメディアの有用性を評価するために、自己報告投稿の分析を行う。
5750のtwitter投稿と302のreddit投稿を手動で注釈した。
われわれのシステムはTwitterで0.90点、Redditで0.93点を記録した。
我々の「移行コホート」が投稿した情報から、片頭痛治療と関連する患者の感情に関する多くの関連情報が明らかになった。
本研究は,ソーシャルメディアデータを用いた片頭痛関連情報の詳細な分析を行う基盤となる。
関連論文リスト
- A Thematic Framework for Analyzing Large-scale Self-reported Social Media Data on Opioid Use Disorder Treatment Using Buprenorphine Product [1.4599176517017673]
ブプレノルフィン(Buprenorphine)は、食品医薬品局(FDA)が承認したオピオイド用薬物の1つである。
その人気にもかかわらず、個人はしばしばRedditのようなソーシャルメディアプラットフォームでブプレノルフィン治療に関する様々な情報を報告している。
本稿では,ソーシャルメディアから大規模データをキュレートし,分析し,自己申告された治療情報のニーズを特徴付けるためのテーマベースフレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-02T15:04:21Z) - AutoRG-Brain: Grounded Report Generation for Brain MRI [57.22149878985624]
放射線学者は、大量の画像を日々のベースで解釈し、対応するレポートを生成する責任を負う。
この要求される作業負荷は、人間のエラーのリスクを高め、治療の遅れ、医療費の増加、収益損失、運用上の不効率につながる可能性がある。
地盤自動報告生成(AutoRG)に関する一連の研究を開始した。
このシステムは、脳の構造の明細化、異常の局所化、そしてよく組織化された発見の生成をサポートする。
論文 参考訳（メタデータ） (2024-07-23T17:50:00Z) - TikTok Engagement Traces Over Time and Health Risky Behaviors: Combining Data Linkage and Computational Methods [13.061341132181097]
本研究では,様々な健康リスクトピックに関するTikTokビデオが,喫煙行動や飲酒行動とどのように関連しているかを検討する。
2020年から2023年にかけて、これらの回答者が好んだ健康関連ビデオ13,724本を計算分析した。
以上の結果から、当初TikTokで飲酒関連コンテンツを好んだユーザーは、時間とともにこうした動画を好む傾向にあることが示唆された。
論文 参考訳（メタデータ） (2024-06-23T02:58:30Z) - ThangDLU at #SMM4H 2024: Encoder-decoder models for classifying text data on social disorders in children and adolescents [49.00494558898933]
本稿では,#SMM4H (Social Media Mining for Health) 2024 Workshopのタスク3とタスク5への参加について述べる。
タスク3は、屋外環境が社会不安の症状に与える影響を議論するツイートを中心にした多クラス分類タスクである。
タスク5は、子供の医学的障害を報告しているツイートに焦点を当てたバイナリ分類タスクを含む。
BART-baseやT5-smallのような事前訓練されたエンコーダデコーダモデルからの転送学習を適用し、与えられたツイートの集合のラベルを同定した。
論文 参考訳（メタデータ） (2024-04-30T17:06:20Z) - Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。
我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。
我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
論文 参考訳（メタデータ） (2024-04-18T12:33:57Z) - Topological Data Mapping of Online Hate Speech, Misinformation, and
General Mental Health: A Large Language Model Based Study [6.803493330690884]
機械学習と大規模言語モデルの最近の進歩は、そのような分析を可能にした。
本研究では,ソーシャルメディアサイトReddit上で,慎重に選択されたコミュニティから何千もの投稿を収集した。
各種コミュニティにおけるヘイトスピーチ/誤情報の役割を理解するため,埋め込みに基づく各種機械学習分類を行った。
論文 参考訳（メタデータ） (2023-09-22T15:10:36Z) - Probing Brain Context-Sensitivity with Masked-Attention Generation [87.31930367845125]
我々は、GPT-2変換器を用いて、一定量の文脈情報をキャプチャする単語埋め込みを生成する。
そして、自然主義的なテキストを聴く人間のfMRI脳活動を予測することができるかどうかを検証した。
論文 参考訳（メタデータ） (2023-05-23T09:36:21Z) - 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) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z) - Case Study on Detecting COVID-19 Health-Related Misinformation in Social
Media [7.194177427819438]
本稿では、ソーシャルメディアにおける新型コロナウイルスの健康関連誤報を検出するメカニズムについて述べる。
応用機械学習技術を用いて誤情報検出機構に組み込まれた誤情報テーマと関連キーワードを定義した。
本手法は,健康関連誤報と真情報との分類において,少なくとも78%の精度で有望な結果を示す。
論文 参考訳（メタデータ） (2021-06-12T16:26:04Z) - Psychometric Analysis and Coupling of Emotions Between State Bulletins
and Twitter in India during COVID-19 Infodemic [7.428097999824421]
新型コロナウイルスのインフォデミックは、パンデミックそのものよりも急速に広まっている。
ソーシャルメディアは情報の最大の源であるため、インフォデミックの管理には誤情報を緩和する必要がある。
Twitterだけでも、キュレートされたイベントページの利用が急激な45%増加した。
論文 参考訳（メタデータ） (2020-05-12T01:51:07Z)
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。