Feb, 2024

基于 Twitter 数据的本地健康网络咨询框架：从本地推特到本地健康

PDF
TL;DR利用推特数据进行街区层面的心理健康预测，提出了 LocalTweets 和 LocalHealth 框架，使用 GPT3.5 模型在 MH 监测任务中取得了最高的 F1 得分和准确率，并利用 LocalHealth 方法推测未报告街区的心理健康状况。
twitter datamental health surveillancelocaltweetslocalhealthneighborhood-level mh outcomes
发现论文，激发创造
  • 通过社交媒体进行时间和空间上的鲁棒语言心理健康评估

    本研究旨在通过对社交媒体数据进行大规模分析，使用 1.2 亿条推文来估计美国各个县的抑郁症和焦虑症情况，从而实现以更高的分辨率监测人口心理健康状况的可行性，在精确度方面要优于 ad-hoc 调查。

    Feb, 2023

  • 使用 Twitter 数据预测心理疾病的发生和发展

    本研究基于推特数据开发了计算模型，能够预测个人是否罹患抑郁症和创伤后应激障碍，并证明了这种数据驱动的预测方法可以为早期筛查和检测精神疾病提供帮助。

    Aug, 2016

  • 半监督方法监测社交媒体中的临床抑郁症状

    通过对 Twitter 上患有抑郁症状用户的帖子的分析，本研究探索了抑郁症潜在的可靠检测方法，使用半监督统计模型评估了这些症状的持续时间以及它们在 Twitter 上的表达方式与 PHQ-9 医学发现的一致性，获得了最高 68% 的准确性和 72% 的精确度。

    Oct, 2017

  • 利用神经用户嵌入从社交媒体量化心理健康

    本文提出了一种利用社交媒体内容自动补充传统调查方法得出近实时大规模粗略估计心理健康状况的方法，该方法利用用户 embedding，本研究证明了这些 embedding 可以捕捉到与精神疾病相关的行为特征，从而能够预测用户的心理健康状况。

    Apr, 2017

  • 具有特定领域预训练语言模型的社交媒体公共卫生监测任务基准测试

    使用社交媒体上用户生成的文本数据进行公共卫生监测的研究表明，使用预训练语言模型（PLM）的进展促进了针对社交媒体上公共卫生监测任务的新模型的开发。本文介绍了一种名为 PHS-BERT 的 PLM，该模型在公共卫生监测任务上的表现优于现有的 PLMs，并在广泛的数据集上表现出鲁棒性和泛化性。

    Apr, 2022

  • 通过临床问卷学习实现简单灵活的精神障碍检测模型

    研究了使用社交媒体的语言特征来检测心理健康问题，并提出了一种能够有效利用领域知识、可被应用于其他心理障碍以及能够提供可解释检测结果的模型。

    Jun, 2023

  • 利用 Twitter 和医疗记录进行在线诊断的现场验证

    使用社交媒体数据进行疾病监测，提出了一种基于个人水平而非人口统计学水平的新的疾病监测系统，通过组合文本分析、异常检测和社交网络分析等手段，可以在个人水平诊断感染流感的准确性超过 99%。

    Apr, 2014

  • 推特这个话题是否应该发？基于生成模型的预测公共卫生信息在推特上的接受度

    本文介绍了使用生成模型（GPT-2）探索公众对 COVID-19 和疫苗相关公共卫生信息潜在接受度的预测方法，并引入了一种新颖的评估方案。

    Apr, 2022

  • 运用深度学习简化社交媒体信息检索，为公共卫生研究提供服务

    本研究介绍了一种基于 BERT 的命名实体识别（NER）模型，一个深度学习规范化模块以及一个半监督聚类模块构建的框架，用于从社交媒体中提取与 COVID-19 相关的症状词典，并对其进行标准化，以减少在基于社交媒体的公共卫生研究中的关键词匹配信息检索约束。

    Jun, 2023

  • 社交媒体数据在精神健康研究中的应用现状

    本论文分析了社交媒体数据对于进行心理健康研究的现状，并引入了一个基于标准化模式的开源心理健康数据集目录，以促进元分析。

    Nov, 2020