論文の概要: Robust language-based mental health assessments in time and space
through social media
- arxiv url: http://arxiv.org/abs/2302.12952v1
- Date: Sat, 25 Feb 2023 01:39:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 19:55:50.907755
- Title: Robust language-based mental health assessments in time and space
through social media
- Title（参考訳）: ソーシャルメディアによる時間と空間のロバストな言語に基づくメンタルヘルス評価
- Authors: Siddharth Mangalik, Johannes C. Eichstaedt, Salvatore Giorgi, Jihu
Mun, Farhan Ahmed, Gilvir Gill, Adithya V. Ganesan, Shashanka Subrahmanya,
Nikita Soni, Sean A. P. Clouston, and H. Andrew Schwartz
- Abstract要約: 言語に基づくアセスメントは、週単位の時間スケールで、集団のメンタルヘルスの費用効率が高くスケーラブルなモニタリングを可能にする。
この方法は、幅広い心理学的結果に一般化し、アンダーリソース環境でのコミュニティ計測を可能にする。
- 参考スコア（独自算出の注目度）: 7.94191542104603
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Compared to physical health, population mental health measurement in the U.S.
is very coarse-grained. Currently, in the largest population surveys, such as
those carried out by the Centers for Disease Control or Gallup, mental health
is only broadly captured through "mentally unhealthy days" or "sadness", and
limited to relatively infrequent state or metropolitan estimates. Through the
large scale analysis of social media data, robust estimation of population
mental health is feasible at much higher resolutions, up to weekly estimates
for counties. In the present work, we validate a pipeline that uses a sample of
1.2 billion Tweets from 2 million geo-located users to estimate mental health
changes for the two leading mental health conditions, depression and anxiety.
We find moderate to large associations between the language-based mental health
assessments and survey scores from Gallup for multiple levels of granularity,
down to the county-week (fixed effects $\beta = .25$ to $1.58$; $p<.001$).
Language-based assessment allows for the cost-effective and scalable monitoring
of population mental health at weekly time scales. Such spatially fine-grained
time series are well suited to monitor effects of societal events and policies
as well as enable quasi-experimental study designs in population health and
other disciplines. Beyond mental health in the U.S., this method generalizes to
a broad set of psychological outcomes and allows for community measurement in
under-resourced settings where no traditional survey measures - but social
media data - are available.
- Abstract（参考訳）: 身体的健康と比較すると、米国の人口メンタルヘルス測定は非常に粗い。
現在、疾病管理センター(Centers for Disease Control)やギャラップ(Gallup)などの人口調査において、メンタルヘルスは「精神的に不健康な日」または「悲しみ」を通じて広範に捉えられ、比較的稀な州や大都市圏の推計に限られている。
ソーシャルメディアデータの大規模分析を通じて、人口メンタルヘルスの堅牢な推定は、郡の毎週の推計よりもはるかに高い解像度で実現可能である。
本研究は,2つの主要な精神状態,うつ病と不安に対するメンタルヘルスの変化を推定するために,200万人のジオロケーションユーザからの12億ツイートのサンプルを使用したパイプラインを検証する。
言語に基づくメンタルヘルスアセスメントと、Gallupの様々なレベルの粒度に関する調査スコアの中間から大きな関連性を見出す(固定効果$\beta = .25$ to $1.58$; $p<.001$)。
言語ベースの評価は、毎週の時間スケールで人口のメンタルヘルスをコスト効率良くスケーラブルにモニタリングできる。
このような空間的にきめ細かい時系列は、社会的な出来事や政策の効果を監視し、人口健康やその他の分野における準実験的な研究デザインを可能にするのに適している。
米国のメンタルヘルス以外にも、この手法は幅広い心理学的結果に一般化し、従来の調査手段(ソーシャルメディアデータのみ)が利用可能でない非ソース環境でのコミュニティ測定を可能にする。
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) - 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) - 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) - 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) - 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) - Quantifying language changes surrounding mental health on Twitter [0.9894420655516565]
メンタルヘルスの課題は、毎年世界の人口の約10%を占めると考えられている。
2012年以降、英国全ツイートの約10%のデータストリームから分析された1-、2-、および3-gramの収集を通じて、メンタルヘルスに関連する単語やフレーズの傾向を探る。
論文 参考訳（メタデータ） (2021-06-02T21:35:53Z) - Capturing social media expressions during the COVID-19 pandemic in
Argentina and forecasting mental health and emotions [0.802904964931021]
アルゼンチンで発生したCOVID-19パンデミックの際の精神状態や感情は、ソーシャルメディアで使われる言語表現に基づいて予測する。
メンタルヘルスの状況と感情は、ソーシャルメディアの内容とレキシコンを結びつけるマーカーを介してキャプチャされる。
論文 参考訳（メタデータ） (2021-01-12T15:15:31Z) - Detection and Classification of mental illnesses on social media using
RoBERTa [0.3753841394482697]
本研究では,うつ病,不安,双極性障害,ADHD,PTSDの5種類の精神疾患を検出し,分類する。
われわれの研究は、RoBERTaのようなTransformerベースのアーキテクチャを使って人々の感情や心理学を分析する最初のマルチクラスモデルであると信じている。
論文 参考訳（メタデータ） (2020-11-23T05:54:46Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z)
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。