治疗领域中患者语言的比较研究：面向在线健康讨论中的有效患者语音分类

医护人员对患者临床体验的感知与现实之间存在不可见的障碍。这种障碍可能由于环境所致，阻碍患者与医护人员坦率地分享他们的经历。在社交媒体上，患者被观察到更为坦�实地讨论和交换知识，这些平台可以提供宝贵的见解。然而，社交媒体上非患者帖子的泛滥使得需要过滤掉此类不相关内容，以区分患者的真实声音，这一任务我们称为患者语音分类。本研究分析了在准确分类患者语音方面，语言特征的重要性。我们的发现强调了在识别患者群体中常见模式方面，语言和统计文本相似性分析在起关键作用。这些结果暗示了患者在疾病水平上以及在不同治疗领域中表达自己的方式存在更为显著的差异。此外，我们对预训练语言模型在具有相似语言模式的组合数据集上进行微调， resulting in a highly accurate automatic patient voice classification. 作为该主题的开创性研究，我们致力于从社交媒体中提取真实患者经历的工作，对于推动医疗标准的进步以及培育以患者为中心的方法而言，具有重要意义。