論文の概要: Exploring Profiles of Cognitive Distortions Associated with Mental Health Disorders

• arxiv url: http://arxiv.org/abs/2605.24996v1
• Date: Sun, 24 May 2026 10:49:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.6404
• Title: Exploring Profiles of Cognitive Distortions Associated with Mental Health Disorders
• Title（参考訳）: 精神健康障害に伴う認知障害の実態調査
• Authors: Alina Anikejeva, Kairit Sirts,
• Abstract要約: 我々は、Redditをベースとした大規模なデータセットを分析し、9つのセルフレポートされたメンタルヘルスグループとコントロールグループからの投稿を分析した。 精神保健群は, コントロール群と比較して認知歪みの頻度が高く, 影響の大きさは小から中程度であった。 これらの結果から,比較的単純な語彙的アプローチは,大規模メンタルヘルステキストデータにおけるグループレベルの傾向の探索的分析に有用であることが示唆された。
• 参考スコア（独自算出の注目度）: 1.8047694351309207
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cognitive distortions, distorted patterns of thinking, have been increasingly studied in computational mental health research. Although they are related to many, if not all, mental health disorders, most existing studies focus primarily on depression. In this work, we explore distortion profiles across multiple mental health conditions. We analyzed a large Reddit-based dataset containing posts from nine self-reported mental health groups as well as a control group using both an n-gram-based method and a fine-tuned transformer model for detecting cognitive distortions. Mental health groups, both when pooled together and when examined individually, showed higher prevalence of cognitive distortions compared to the control group, with the effect sizes ranging from small to moderate. When comparing distortion profiles across conditions, we observed largely similar patterns, although some groups exhibited overall higher levels of distortions than others. These findings suggest that relatively simple lexical approaches can be useful for exploratory analyses of group-level trends in large-scale mental health text data.
• Abstract（参考訳）: 認知的歪み、あるいは思考の歪んだパターンは、計算的精神健康研究においてますます研究されている。 精神的な健康障害の多くは関連しているが、既存の研究は主にうつ病に焦点を当てている。 本研究では、複数の精神状態における歪みプロファイルについて検討する。 我々は,9つの自己報告型メンタルヘルスグループからの投稿と,n-gram法と微調整型トランスフォーマーモデルを用いて,認知歪みを検出するための制御グループを含むRedditベースの大規模データセットを解析した。 心的健康群は, 個別に調査すると, コントロール群と比較して認知的歪みの頻度が高く, 影響の大きさは小から中程度であった。 条件間での歪みプロファイルを比較すると、ほぼ同様のパターンが見られたが、一部の群では、他の群よりも全体的な歪みのレベルが高かった。 これらの結果から,比較的単純な語彙的アプローチは,大規模メンタルヘルステキストデータにおけるグループレベルの傾向の探索的分析に有用であることが示唆された。

関連論文リスト

• ReDepress: A Cognitive Framework for Detecting Depression Relapse from Social Media [48.56586765769052]
  ReDepressは、リラプスに焦点を当てた最初の臨床的に検証されたソーシャルメディアデータセットである。 我々の枠組みはうつ病の認知理論に基づいており、注意バイアス、解釈バイアス、記憶バイアス、反省などの構造を取り入れている。 本研究は, 実世界のテキストデータにおける心理学的理論を検証し, 早期再発検出のための認知インフォームド・コンピューティング手法の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-09-22T16:33:59Z)
• Exploring Causal Effect of Social Bias on Faithfulness Hallucinations in Large Language Models [50.18087419133284]
  大規模言語モデル(LLM)は様々なタスクで顕著な成功を収めたが、忠実な幻覚に弱いままである。 社会的偏見がこれらの幻覚に寄与するかどうかを考察する。 重要な課題は、バイアス状態と幻覚の間の因果関係の分離を複雑化する、コンテキスト内の共同創設者を制御することである。
  論文  参考訳（メタデータ） (2025-08-11T08:34:28Z)
• Investigating VLM Hallucination from a Cognitive Psychology Perspective: A First Step Toward Interpretation with Intriguing Observations [60.63340688538124]
  幻覚は、視覚言語モデル(VLM)で積極的に研究されている長年の問題である。 既存の研究は、幻覚は技術的な制限や梅毒のバイアスによるもので、後者はモデルがユーザの期待に沿う誤った回答を生み出す傾向があることを意味している。 本研究では, VLMの認知バイアスを分類し, サイコフィナンシー, 論理的不整合, 新たに同定された VLM の行動, 権威へのアピールなど, 幻覚へと導く。
  論文  参考訳（メタデータ） (2025-07-03T19:03:16Z)
• MoodAngels: A Retrieval-augmented Multi-agent Framework for Psychiatry Diagnosis [58.67342568632529]
  MoodAngelsは、気分障害の診断のための最初の特殊なマルチエージェントフレームワークである。 MoodSynは、合成精神医学の1,173件のオープンソースデータセットである。
  論文  参考訳（メタデータ） (2025-06-04T09:18:25Z)
• Examining the Mental Health Impact of Misinformation on Social Media Using a Hybrid Transformer-Based Approach [0.9746984889116503]
  虚偽の物語の未確認の拡散は、精神的健康に大きな影響を与え、ストレス、不安、誤報によって引き起こされるパラノイアに寄与する。 本研究では,RoBERTa-LSTM分類器を用いたハイブリッドトランスフォーマーによる誤情報検出,メンタルヘルスへの影響評価,誤情報曝露に関連する障害の分類を行う。 提案モデルでは, 誤情報, 精神保健への影響, 障害分類の精度が98.4, 87.8, 77.3であった。
  論文  参考訳（メタデータ） (2025-03-04T06:45:17Z)
• Deep learning reveals the common spectrum underlying multiple brain disorders in youth and elders from brain functional networks [53.257804915263165]
  ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。 病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。 多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
  論文  参考訳（メタデータ） (2023-02-23T09:22:05Z)
• Transformer-based normative modelling for anomaly detection of early schizophrenia [1.291405125557051]
  我々はニューロタイプ個体の3次元MRIスキャンでモデルを訓練した。 早期統合失調症の神経型コントロールと精神科患者の可能性について検討した。
  論文  参考訳（メタデータ） (2022-12-08T18:22:36Z)
• Data set creation and empirical analysis for detecting signs of depression from social media postings [0.0]
  うつ病は、深刻な結果を避けるために、早期に検出され治療されなければならない一般的な精神疾患である。 我々は、ソーシャルメディアの投稿から、うつ病のレベルが落ち込んでいないこと、中程度に落ち込んでいないこと、および深刻な落ち込んでいないことを検知する、金の標準データセットを開発した。
  論文  参考訳（メタデータ） (2022-02-07T10:24:33Z)
• 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)

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。