利用 Twitter 数据预测精神疾病的发病与病程
物理与社会
2016-08-30 v1 社会与信息网络
摘要
我们开发了计算模型，用于预测 Twitter 用户中抑郁症与创伤后应激障碍（Post-Traumatic Stress Disorder）的出现。从 204 名个体（105 名抑郁，99 名健康）收集了 Twitter 数据及抑郁史详情。我们从参与者推文（N=279,951）中提取了衡量情感、语言风格和上下文的预测特征，并利用这些特征通过监督学习算法构建模型。所得模型成功区分了抑郁与健康内容，且优于全科医生诊断抑郁症的平均成功率。即便将分析限制于首次抑郁诊断前发布的内容，结果依然成立。状态空间时间分析表明，抑郁发作可能早在诊断前数月即可从 Twitter 数据中检测出。预测结果在另一组诊断为 PTSD 的个体样本（174 名用户，243,775 条推文）中得到复现。一个状态空间时间序列模型揭示了 PTSD 的指标几乎在创伤后立即出现，常早于临床诊断数月。这些方法提出了一种数据驱动的预测方法，用于精神疾病的早期筛查与检测。
引用
@article{arxiv.1608.07740,
title = {Forecasting the onset and course of mental illness with Twitter data},
author = {Andrew G. Reece and Andrew J. Reagan and Katharina L. M. Lix and Peter Sheridan Dodds and Christopher M. Danforth and Ellen J. Langer},
journal= {arXiv preprint arXiv:1608.07740},
year = {2016}
}
备注
23 pages, 6 figures