基于社交媒体的心血管疾病风险预测
计算与语言
2023-10-02 v2
摘要
研究人员利用Twitter和情感分析预测心血管疾病（CVD）风险。我们通过分析推文中表达的情绪，开发了一部新的CVD相关关键词词典。收集了包括阿巴拉契亚地区在内的美国十八个州的推文。使用VADER模型进行情感分析，将用户分类为潜在CVD风险者。采用机器学习（ML）模型对个体的CVD风险进行分类，并应用于带有人口统计信息的CDC数据集以进行比较。考量了测试准确率、精确率、召回率、F1分数、马修斯相关系数（MCC）和科恩卡帕（CK）分数等性能评估指标。结果表明，分析推文情绪超越了单纯人口统计数据预测能力，能够识别潜在罹患CVD风险的个体。本研究凸显了自然语言处理（NLP）和ML技术在利用推文识别CVD风险个体方面的潜力，为传统人口统计信息提供了公共卫生监测的替代途径。
引用
@article{arxiv.2309.13147,
title = {Cardiovascular Disease Risk Prediction via Social Media},
author = {Al Zadid Sultan Bin Habib and Md Asif Bin Syed and Md Tanvirul Islam and Donald A. Adjeroh},
journal= {arXiv preprint arXiv:2309.13147},
year = {2023}
}
备注
9 pages, 3 figures, 16th International Conference on Social Computing, Behavioral-Cultural Modeling & Prediction and Behavior Representation in Modeling and Simulation (SBP-BRiMS 2023)