論文の概要: The cognitive, affective, and behavioral expression of self-stigma among people who use drugs in online substance use communities

• arxiv url: http://arxiv.org/abs/2606.25143v1
• Date: Tue, 23 Jun 2026 20:12:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.136624
• Title: The cognitive, affective, and behavioral expression of self-stigma among people who use drugs in online substance use communities
• Title（参考訳）: オンライン物質利用コミュニティにおける薬物使用者における自己スティグマの認知的・感情的・行動的表現
• Authors: Layla Bouzoubaa, Hyung Wook Choi, Milan Varghese, Valerie Earnshaw, Rezvaneh Rezapour,
• Abstract要約: 我々は認知的、感情的、行動的な領域にまたがる自己スティグマのためのコードブックを開発した。 我々はRedditで1,660人の英語ユーザーから72,115件のスレッド開始記事を分析した。
• 参考スコア（独自算出の注目度）: 2.137749287954686
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Objectives: To develop a codebook for self-stigma across cognitive, affective, and behavioral domains, and to estimate the prevalence, co-occurrence, and temporal patterns of these indicators in Reddit posts by people who use drugs. Methods: We developed a ten-indicator codebook through consensus-based abductive coding spanning cognitive (self-labeling, pessimism/self-defeatism, deservingness/worthlessness), affective (shame, guilt/self-blame, despair/hopelessness), and behavioral (concealment, anticipated rejection, desire to quit, ambivalence) domains; two coders reached substantial agreement (Cohen's k = 0.72). We then scaled classification with a large language model validated against expert coding (k = 0.73, F1 = 0.80), analyzing 72,115 thread-initiating posts from 1,660 English-language users (2006-2025). Results: 3,838 posts (5.3%) from 1,228 users (74.0%) contained self-stigma; all ten indicators discriminated self-stigma posts (RR 3.6 to 86.2), led by self-labeling (56.0%) and despair/hopelessness (48.5%). Self-stigma was integrated: core and behavioral indicators were strongly associated at the user level (OR = 4.65, 95% CI 3.12-6.94, p < 0.001), and 87.0% of posts with behavioral indicators also contained a core indicator. Contrary to progressive models, behavioral indicators emerged earlier than core ones (desire to quit at median position 0.08 vs. shame at 0.38). Nine of ten indicators were stable across posting trajectories; only pessimism increased (OR = 1.62, 95% CI 1.25-2.10). Conclusion: Among people who use drugs online, self-stigma is an integrated phenomenon in which behavioral indicators rarely appear without internalized ones and often precede them. Most expressions remain stable over time, but pessimism about change deepens, marking a target for early digital intervention and showing that progressive stage models do not map directly onto textual disclosure.
• Abstract（参考訳）: 目的: 認知的,感情的,行動的領域にまたがる自己スティグマのためのコードブックを開発し,これらの指標の頻度,共起性,時間的パターンを,薬物使用者によるReddit投稿で推定する。 方法: 合意に基づく帰納的コーディング(自己ラベル,悲観的/自己デフェタリズム,保存性/無害性),情緒的(シェーム,罪悪/自己ブレイム,絶望/不愉快),行動的(認識,拒絶の予測,離脱の希望,曖昧さ)ドメインにまたがる10指標のコードブックを開発した。 次に、専門家によるコーディング(k = 0.73, F1 = 0.80)に対して検証された大規模な言語モデルを用いて、72,115のスレッド開始記事(2006-2025)を分析した。 結果:1,228人 (74.0%) から3,838人 (5.3%) の投稿が自己スティグマを含んでおり、全ての指標が自己スティグマポスト (RR 3.6 - 86.2) を識別し、自己ラベル (56.0%) と絶望/ホップレスネス (48.5%) を導いた。 コアと行動指標はユーザレベルで強く関連している(OR = 4.65, 95% CI 3.12-6.94, p < 0.001)。 プログレッシブモデルとは対照的に、行動指標はコアモデルよりも早く出現した(中央値0.08で終了することが望まれる)。 10の指標のうち9つは姿勢軌跡で安定しており、悲観性のみが増大した(OR = 1.62, 95% CI 1.25-2.10)。 結論: 薬物をオンラインで使用している人の間では、自己スティグマは、行動指標が内在することなく現れることがほとんどなく、しばしばそれより先行する統合的な現象である。 ほとんどの表現は時間とともに安定しているが、変化に関する悲観論は深まり、初期のデジタル介入の標的となり、進行段階モデルが直接テキスト開示にマッピングされないことを示す。

関連論文リスト

• Fine-tuning LLMs for Passive Depression Severity Estimation from AI Mental Health Dialogue [4.051184721197422]
  うつ病は世界の障害の主要な原因であり、症状の早期発見は時間的介入に不可欠である。 我々は、ユーザーが自己申告措置を完了することなく、AIメンタルヘルスプラットフォームにおける受動的かつ継続的な症状モニタリングを提案する。
  論文  参考訳（メタデータ） (2026-06-16T14:28:47Z)
• K-SENSE: A Knowledge-Guided Self-Augmented Encoder for Neuro-Semantic Evaluation of Mental Health Conditions on Social Media [0.0]
  ソーシャルメディアのテキストから精神状態、特にストレスや抑うつを早期に検出することは、未解決の問題である。 外部心理的推論と内部表現エンコーダを利用するフレームワークであるK-SENSEを提案する。 ドレッドディットのK-SENSE(ストレス検出)とデプレッション_Mixed(抑うつ検出)を5回の独立ランで評価した。
  論文  参考訳（メタデータ） (2026-04-26T01:53:37Z)
• Visual Affect Analysis: Predicting Emotions of Image Viewers with Vision-Language Models [2.2023261946811563]
  視覚言語モデル(VLM)は、スケールでの視覚刺激の影響を推測するためのツールである。 我々は、最新のプロプライエタリモデルからオープンソースモデルまで、9つのVLMを心理測定で検証された3つの感情イメージデータセットでベンチマークした。
  論文  参考訳（メタデータ） (2026-01-27T17:56:21Z)
• Deep Learning Characterizes Depression and Suicidal Ideation from Eye Movements [17.985259248390943]
  抑うつと自殺の考え、特に客観的なバイオマーカーが欠如しており、スクリーニングと診断は主に自己報告と臨床面接に依存している。 視線追跡をスクリーニング目的のマーカーとして検討した。 若年者126名を対象に,感情文を読解し,反応した眼球追跡シーケンスを記録し,その後,臨床症状を予測するための深層学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-04-29T17:11:13Z)
• CausalDiff: Causality-Inspired Disentanglement via Diffusion Model for Adversarial Defense [61.78357530675446]
  人間は、本質的な要因のみに基づいて判断するので、微妙な操作によって騙されるのは難しい。 この観察に触発されて、本質的なラベル因果因子を用いたラベル生成をモデル化し、ラベル非因果因子を組み込んでデータ生成を支援する。 逆の例では、摂動を非因果因子として識別し、ラベル因果因子のみに基づいて予測することを目的としている。
  論文  参考訳（メタデータ） (2024-10-30T15:06:44Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)

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。