Fugu-MT 論文翻訳(概要): Exploring Social Media for Early Detection of Depression in COVID-19 Patients

論文の概要: Exploring Social Media for Early Detection of Depression in COVID-19 Patients

arxiv url: http://arxiv.org/abs/2302.12044v2
Date: Wed, 3 May 2023 06:43:09 GMT
ステータス: 処理完了
システム内更新日: 2023-05-04 17:44:30.124639
Title: Exploring Social Media for Early Detection of Depression in COVID-19 Patients
Title（参考訳）: うつ病早期発見のためのソーシャルメディアの探索
Authors: Jiageng Wu, Xian Wu, Yining Hua, Shixu Lin, Yefeng Zheng, Jie Yang
Abstract要約: 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。
参考スコア（独自算出の注目度）: 44.76299288962596
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The COVID-19 pandemic has caused substantial damage to global health. Even though three years have passed, the world continues to struggle with the virus. Concerns are growing about the impact of COVID-19 on the mental health of infected individuals, who are more likely to experience depression, which can have long-lasting consequences for both the affected individuals and the world. Detection and intervention at an early stage can reduce the risk of depression in COVID-19 patients. In this paper, we investigated the relationship between COVID-19 infection and depression through social media analysis. Firstly, we managed a dataset of COVID-19 patients that contains information about their social media activity both before and after infection. Secondly,We conducted an extensive analysis of this dataset to investigate the characteristic of COVID-19 patients with a higher risk of depression. Thirdly, we proposed a deep neural network for early prediction of depression risk. This model considers daily mood swings as a psychiatric signal and incorporates textual and emotional characteristics via knowledge distillation. Experimental results demonstrate that our proposed framework outperforms baselines in detecting depression risk, with an AUROC of 0.9317 and an AUPRC of 0.8116. Our model has the potential to enable public health organizations to initiate prompt intervention with high-risk patients
Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは世界的な健康に深刻な打撃を与えた。 3年が経過したにもかかわらず、世界は引き続きウイルスと闘っている。新型コロナウイルス(COVID-19)がうつ病を経験しやすく、感染した個人と世界の両方に長期にわたる影響をもたらす可能性がある個人のメンタルヘルスに影響を及ぼすとの懸念が高まっている。早期発見と介入は、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。本稿では,ソーシャルメディア分析による新型コロナウイルス感染とうつ病との関連について検討した。まず、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(covid-19)患者のデータセットを管理した。第2に,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に,このデータセットを広範囲に分析した。第3に,抑うつリスクの早期予測のためのディープニューラルネットワークを提案する。本モデルは,日常の気分変動を精神信号とみなし,知識蒸留による文章的・感情的特徴を取り入れたモデルである。実験の結果,提案手法は抑うつリスクの検出において,auroc 0.9317,auprc 0.8116の基準値を上回ることがわかった。我々のモデルは、公衆衛生機関が高リスク患者への迅速な介入を開始できる可能性を持っている

関連論文リスト

On the State of NLP Approaches to Modeling Depression in Social Media: A Post-COVID-19 Outlook [21.978924582262263]
うつ病は最も広く研究されている精神疾患である。新型コロナウイルス(COVID-19)の世界的なパンデミックは、世界中のメンタルヘルスに大きな影響を与えた。ソーシャルメディアにおける抑うつをモデル化するための自然言語処理(NLP)アプローチについて調査する。
論文参考訳（メタデータ） (2024-10-11T13:20:54Z)
Predicting Depression and Anxiety: A Multi-Layer Perceptron for Analyzing the Mental Health Impact of COVID-19 [1.9809980686152868]
新型コロナウイルスのパンデミックに伴うメンタルヘルスの傾向を予測するため,多層パーセプトロン(MLP)であるCoDAPを導入した。本手法は、米国成人の多様なコホートにおいて、最初の新型コロナウイルス波(2020年4月から6月)の間に、週10週間にわたってメンタルヘルスの症状を追跡した包括的データセットを用いている。このモデルは、パンデミック中の不安や抑うつのパターンを予測するだけでなく、人口統計要因、行動の変化、および精神健康の社会的決定要因の相互作用に関する重要な洞察も明らかにしている。
論文参考訳（メタデータ） (2024-03-09T22:49:04Z)
Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
論文参考訳（メタデータ） (2023-03-23T17:19:26Z)
A Machine Learning Analysis of COVID-19 Mental Health Data [0.0]
2019年12月、中国武漢で新型コロナウイルス(SARS-Cov-2)が最初に確認された。本稿では、新型コロナウイルスのパンデミックが米国における最前線労働者のメンタルヘルスに与える影響について分析する。メンタルヘルス調査データに適用された多くのモデルの解釈を通じて、最前線労働者のメンタルヘルスの低下を予測する上で最も重要な要因がヘルスケアの役割であると結論付けている。
論文参考訳（メタデータ） (2021-12-01T02:00:44Z)
COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文参考訳（メタデータ） (2021-03-18T03:31:33Z)
COVID-19 Outbreak Prediction and Analysis using Self Reported Symptoms [12.864257751458712]
新型コロナウイルスの流行状況を把握するために、自己報告型症状調査データを用いています。本研究は、自己申告された症状に基づいて、新型コロナウイルス陽性の集団の確率%を予測しようと試みた。人口の%がcovid-19ライクな疾患(cli)を患っており、それぞれ0.15%と1.14%が絶対エラーであった。
論文参考訳（メタデータ） (2020-12-21T00:37:24Z)
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)
Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文参考訳（メタデータ） (2020-07-22T18:02:39Z)
Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文参考訳（メタデータ） (2020-07-20T19:08:50Z)
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)

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。