論文の概要: Bridging Online Behavior and Clinical Insight: A Longitudinal LLM-based Study of Suicidality on YouTube Reveals Novel Digital Markers

• arxiv url: http://arxiv.org/abs/2506.09495v1
• Date: Wed, 11 Jun 2025 08:12:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:02.730215
• Title: Bridging Online Behavior and Clinical Insight: A Longitudinal LLM-based Study of Suicidality on YouTube Reveals Novel Digital Markers
• Title（参考訳）: オンライン行動のブリッジングと臨床的洞察: 縦断的LCMに基づくYouTubeによる新しいデジタルマーカーの検証
• Authors: Ilanit Sobol, Shir Lissak, Refael Tikochinski, Tal Nakash, Anat Brunstein Klomek, Eyal Fruchter, Roi Reichart,
• Abstract要約: 自殺は西側諸国で主要な死因である。 ソーシャルメディアが日常生活の中心となるにつれ、デジタルフットプリントは自殺行動に関する貴重な洞察を提供する。 調査: 自殺行為はYouTubeでどのように現れるのか、専門家の知識とどのように異なるのか?
• 参考スコア（独自算出の注目度）: 10.83380478033686
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Suicide remains a leading cause of death in Western countries, underscoring the need for new research approaches. As social media becomes central to daily life, digital footprints offer valuable insight into suicidal behavior. Focusing on individuals who attempted suicide while uploading videos to their channels, we investigate: How do suicidal behaviors manifest on YouTube, and how do they differ from expert knowledge? We applied complementary approaches: computational bottom-up, hybrid, and expert-driven top-down, on a novel longitudinal dataset of 181 YouTube channels from individuals with life-threatening attempts, alongside 134 control channels. In the bottom-up approach, we applied LLM-based topic modeling to identify behavioral indicators. Of 166 topics, five were associated with suicide-attempt, with two also showing temporal attempt-related changes ($p<.01$) - Mental Health Struggles ($+0.08$)* and YouTube Engagement ($+0.1$)*. In the hybrid approach, a clinical expert reviewed LLM-derived topics and flagged 19 as suicide-related. However, none showed significant attempt-related temporal effects beyond those identified bottom-up. Notably, YouTube Engagement, a platform-specific indicator, was not flagged by the expert, underscoring the value of bottom-up discovery. In the top-down approach, psychological assessment of suicide attempt narratives revealed that the only significant difference between individuals who attempted before and those attempted during their upload period was the motivation to share this experience: the former aimed to Help Others ($\beta=-1.69$, $p<.01$), while the latter framed it as part of their Personal Recovery ($\beta=1.08$, $p<.01$). By integrating these approaches, we offer a nuanced understanding of suicidality, bridging digital behavior and clinical insights. * Within-group changes in relation to the suicide attempt.
• Abstract（参考訳）: 自殺は西側諸国で主要な死因であり、新しい研究アプローチの必要性を強調している。 ソーシャルメディアが日常生活の中心となるにつれ、デジタルフットプリントは自殺行動に関する貴重な洞察を提供する。 チャンネルに動画をアップロードしながら自殺未遂を図った個人に焦点をあてて調査する。 自殺行為はYouTubeでどのように現れるのか、専門家の知識とどのように異なるのか? 計算ボトムアップ,ハイブリッド,エキスパート主導のトップダウンという補完的なアプローチを,命の危険を伴う個人による181のYouTubeチャンネルと134のコントロールチャネルからなる,新しい縦断データセットに適用した。 ボトムアップアプローチでは、行動指標の同定にLLMに基づくトピックモデリングを適用した。 166のトピックのうち、5つは自殺未遂に関連付けられており、2つは時間的試みに関連する変化(p<.01$) - メンタルヘルス・ストラグル(+0.08$)*とYouTube Engagement(+0.1$)*を示している。 ハイブリッドアプローチでは、臨床専門家がLSM由来のトピックをレビューし、19を自殺関連とマークした。 しかし, ボトムアップ以上の時間的効果は認められなかった。 特に、プラットフォーム固有の指標であるYouTube Engagementは、専門家から警告を受けておらず、ボトムアップ発見の価値を強調している。 トップダウンアプローチでは、自殺未遂物語の心理学的評価では、アップロード期間中に試みた個人と、そのアップロード期間中に試みた個人の間で唯一有意な違いが、他者を助けることを目的としたモチベーションであることが明らかとなった。 これらのアプローチを統合することで、自殺行為の微妙な理解、デジタル行動のブリッジング、臨床知見を提供する。 ※自殺未遂に関する集団内変化

関連論文リスト

• 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)
• CautionSuicide: A Deep Learning Based Approach for Detecting Suicidal Ideation in Real Time Chatbot Conversation [0.0]
  自殺の早期発見は自殺の予防に役立つ。 本稿では,デジタルコンテンツにおける自殺的思考を検出するための,新しいシンプルな深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-01-02T04:14:16Z)
• An Automated Tool to Detect Suicidal Susceptibility from Social Media Posts [0.0]
  本研究は、ソーシャルメディアからの情報を用いて、誰かが自傷行為を考えているかどうかを判断する自動モデルを開発する。 ソーシャルメディア投稿のデータセットを収集し、それらを処理し、モデルをトレーニングし、修正しました。 このモデルは93%の精度で、F1スコアは0.93である。
  論文  参考訳（メタデータ） (2023-10-09T18:06:12Z)
• 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)
• 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)
• Weakly-Supervised Methods for Suicide Risk Assessment: Role of Related Domains [19.397193137918176]
  本稿では,自殺リスク評価に対する弱監督的アプローチのいくつかのクラスに対する実証的研究を提案する。 精神保健に関する問題(不安、抑うつなど)に基づく疑似ラベルの使用は、自殺リスク評価のためのモデルパフォーマンスの向上に役立つことを示す。
  論文  参考訳（メタデータ） (2021-06-05T04:31:06Z)
• Building and Using Personal Knowledge Graph to Improve Suicidal Ideation Detection on Social Media [4.769234388745917]
  ソーシャルメディア上での自殺思考検出のための深層ニューラルネットワークを用いた,自殺指向の知識グラフの構築と統合を行う。 ソーシャルメディアに基づく自殺思考検出は93%以上の精度を達成できることを示す。 これらのカテゴリでは、投稿されたテキスト、ストレスレベル、ストレス持続時間、投稿された画像、反響的な思考が自殺的思考の検出に寄与する。
  論文  参考訳（メタデータ） (2020-12-16T18:09:32Z)
• Detecting Individuals with Depressive Disorder fromPersonal Google Search and YouTube History Logs [2.5049267048783648]
  うつ病は世界人口の中で最も多い精神疾患の1つである。 本研究では,抑うつ障害のある人を検出するために,ユビキタスな個人検索とYouTubeエンゲージメントログを活用する。
  論文  参考訳（メタデータ） (2020-10-28T04:40:18Z)
• Suicidal Ideation and Mental Disorder Detection with Attentive Relation Networks [43.2802002858859]
  本稿では,語彙に基づく感情スコアと潜在トピックを用いたテキスト表現を強化する。 本研究は,自殺思考と精神障害を関連するリスク指標を用いて検出する関係ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-16T11:18:55Z)

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。