論文の概要: Population-Level Profiling of DSM-5 Depressive Symptoms Among Self-Reported ADHD and ASD Users on Twitter: An Exploratory Study Using Advanced NLP and Statistical Analysis

• arxiv url: http://arxiv.org/abs/2607.05626v1
• Date: Mon, 06 Jul 2026 20:33:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.324098
• Title: Population-Level Profiling of DSM-5 Depressive Symptoms Among Self-Reported ADHD and ASD Users on Twitter: An Exploratory Study Using Advanced NLP and Statistical Analysis
• Title（参考訳）: 自己申告ADHDおよびASD利用者のDSM-5抑うつ症状のTwitterにおける人口レベルプロファイリング : 高度NLPと統計的分析を用いた探索的研究
• Abstract要約: ADHDと自閉症スペクトラム障害(ASD)を併発したうつ病の1例 ADHD と ASD のソーシャルメディア利用者は,ツイート中の DSM-5 抑うつ症状の表現方法に違いがあるかを検討した。
• 参考スコア（独自算出の注目度）: 0.2579248753557702
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background: Depression frequently co-occurs with ADHD and autism spectrum disorder (ASD), but population-level differences in symptom expression between these groups remain underexplored. Objective: We examined whether social media users with ADHD and ASD differ in how they express DSM-5 depressive symptoms in their tweets, and whether differences persist across varying levels of depressive-content filtering. Methods: We analysed 1,282,437 tweets from 792 users (622 ADHD; 170 ASD) with self-reported diagnoses on Twitter. Tweets were pre-filtered for depressive relevance using zero-shot NLI, then classified into nine DSM-5 symptoms using MentalRoBERTa fine-tuned on ReDSM5. Profiles were mean-centered per user. We applied L1-penalised logistic regression with cross-validation to distinguish ADHD from ASD users, complemented by Pearson correlations for symptom co-occurrence, and tested robustness across five filtering thresholds using bootstrapping. Results: MentalRoBERTa achieved macro-F1 of 0.901 on a held-out set, outperforming the original ReDSM5 benchmark. ADHD vs ASD classification yielded stable but modest performance (cross-validated ROC-AUC 0.645-0.653). Cognitive issues, sleep issues, appetite change, and fatigue leaned toward ADHD, while suicidal ideation and anhedonia leaned toward ASD. A largely shared symptom co-occurrence structure emerged between groups; no pair met our criterion for a robust disorder-specific difference. Conclusions: Population-level differences in depression-related language between ADHD and ASD social media users were consistently observed across thresholds, reflecting reproducibility rather than clinical validity. Findings are exploratory and do not establish differing phenomenology at the individual level.
• Abstract（参考訳）: 背景: うつ病はADHDと自閉症スペクトラム障害 (ASD) と共起することが多いが, それらのグループ間での症状発現の集団レベルでの差は未解明のままである。 目的:ADHD と ASD のソーシャルメディア利用者は,ツイート中の DSM-5 の抑うつ症状の表現方法と,抑うつコンテンツフィルタリングのレベルによって差が持続するか否かを検討した。 方法】792ユーザー(ADHD622人、SD170人)の1282,437件のツイートを分析し、Twitterで自己申告した。 ツイートはゼロショットNLIを用いて抑うつ的関連性のために事前にフィルターされ、その後ReDSM5で微調整されたMentalRoBERTaを使用して9つのDSM-5症状に分類された。 プロファイルはユーザ毎の平均中心だった。 L1-penalized logistic regression with cross-validation to distinguish ADHD from ASD users, complemented by Pearson correlations for symptom co-occurrence, and test robustness across five filtering thresholds using bootstrapping。 結果: MentalRoBERTaはホールトアウトセットで0.901のマクロF1を達成し、オリジナルのReDSM5ベンチマークを上回った。 ADHD と ASD の分類は安定しているが、控えめな性能を得た(ROC-AUC 0.645-0.653)。 認知的問題,睡眠問題,食欲の変化,疲労はADHDに傾き,自殺的思考とアンヘドニアはASDに傾いた。 ほぼ共通する症状の共起構造がグループ間に出現し、堅牢な障害特異的な差異に対する私たちの基準を満たした人はいなかった。 結論:ADHD と ASD のソーシャルメディア利用者間の抑うつ関連言語における集団レベルでの差異は,臨床的妥当性よりも再現性を反映して一貫して観察された。 発見は探索的であり、個々のレベルで異なる現象論を確立していない。

関連論文リスト

• A multimodal large language model for evidence-based autism spectrum disorder screening [43.813514045885704]
  ASDchatはエビデンスベースの自閉症スクリーニングのために設計された大きな言語モデルである。 このモデルは、中国の27のサイトから1,035人の参加者のデータセットでトレーニングされ、評価された。
  論文  参考訳（メタデータ） (2026-09-15T00:34:21Z)
• RSPC: A Benchmark for Modeling Stress and Psychiatric Conditions in Digitally Mediated Relationships using Psychiatrist Annotations [14.966303520095563]
  我々は、精神科医が診断カテゴリーに注釈を付けた1,799件のReddit投稿を含むストレス精神医学コーパス(RSPC)を紹介した。 我々は、多ラベル障害分類、トリガー検出、時間予測タスクにおいて、7つの微調整されたトランスフォーマーモデルと5つの大きな言語モデルをベンチマークする。 全体として、RCFPCは、リレーショナルコンテキストを考慮したNLPタスクのベンチマークを確立し、個人中心のヘルスモデリングからコンテキスト対応のヘルスモデリングへのシフトをサポートする。
  論文  参考訳（メタデータ） (2026-06-25T16:33:57Z)
• When Symptoms Are Not Enough: Evidence-Weighting Patterns in Large Language Model Psychiatric Screening [3.840718882315825]
  今回我々は,不安障害,大うつ病,外傷後ストレス障害,現在の精神疾患の診断ラベルと組み合わせた555件の半構造化体験面接のSCIDアンコールベンチマークを紹介した。 誤陰性誤りが精神医学的根拠の欠如や症状の差分重み付け,機能障害,保護的内容の手がかりを反映しているかどうかを検討した。 GPT-4.1 MiniとGPT-5 Miniは最も一貫性のある障害特異的な精度を示した。
  論文  参考訳（メタデータ） (2026-05-22T01:53:03Z)
• Psychologically-Grounded Graph Modeling for Interpretable Depression Detection [36.72827968050813]
  対話型セッションを動的時間グラフとしてモデル化するフレームワークであるPsyGATを提案する。 Causal-PsyGATも紹介した。 実験では、因果指標を特定するためのMRRが20%改善されている。
  論文  参考訳（メタデータ） (2026-04-27T07:27:45Z)
• 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)
• Unveiling the Landscape of Clinical Depression Assessment: From Behavioral Signatures to Psychiatric Reasoning [43.26860213892083]
  うつ病は世界中の何百万もの人に影響を及ぼす広範な精神疾患である。 ほとんどの研究は、限定的または非クリニカルな検証データに依存しており、実世界の有効性よりも複雑なモデル設計を優先することが多い。 C-MIND (C-MIND) は, 臨床神経精神医学的マルチモーダル診断データセットであり, 実際の病院訪問から2年以上経過した。 参加者は3つの構造化された精神医学タスクを完了し、情報的オーディオ、ビデオ、転写、機能的近赤外分光(fNIRS)信号が記録された専門家臨床医から最終診断を受ける。
  論文  参考訳（メタデータ） (2025-08-06T15:13:24Z)
• ReDSM5: A Reddit Dataset for DSM-5 Depression Detection [2.677715367737641]
  うつ病は、世界中で数億人の個人に影響を与える広範囲な精神状態である。 ReDSM5は1484の長文の投稿からなるRedditの新しいコーパスであり、それぞれが9つのDSM-5うつ病症状に対して、許可された心理学者によって全文で注釈付けされている。 ソーシャルメディアの物語における症状表現を特徴付ける語彙的,統語的,感情的なパターンを探索的に分析する。
  論文  参考訳（メタデータ） (2025-08-05T12:48:06Z)
• On the Within-class Variation Issue in Alzheimer's Disease Detection [66.70233526150723]
  Alzheimer's Disease (AD) 検出では、ADと非ADの個人を区別するために、機械学習の分類モデルを使用している。 そこで本研究では,サンプルスコア推定器を用いて,認知的スコアと整合した標本特異的なソフトスコアを生成できることを確認した。 ソフトターゲット蒸留(SoTD)とインスタンスレベルの再分散(InRe)の2つの簡易かつ効果的な方法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• Automated speech- and text-based classification of neuropsychiatric conditions in a multidiagnostic setting [2.0972270756982536]
  音声パターンは神経精神疾患の診断マーカーとして認識されている。 我々は,機械学習モデルと高度なトランスフォーマーモデルの性能を,二進分類と多進分類の両方で検証した。 以上の結果から,二項分類で訓練したモデルは,臨床と非臨床の集団間の一般的な差異のマーカーに依存することが示唆された。
  論文  参考訳（メタデータ） (2023-01-13T08:24:21Z)
• Automatic Depression Detection via Learning and Fusing Features from Visual Cues [42.71590961896457]
  本稿では,視覚的手がかりから特徴を学習し,融合させることにより,新しい自動抑うつ検出法を提案する。 本手法は,DAIC_WOZデータセット上での最先端性能を,他の視覚的特徴に基づく手法と比較して達成する。
  論文  参考訳（メタデータ） (2022-03-01T09:28:12Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。