中文

过去与现在:自我披露抑郁症诊断的纵向有效性量化

机器学习 2022-06-23 v1 计算与语言 计算机与社会

摘要

自我披露的精神健康诊断在无临床测量时作为精神健康状态的真值标注,支撑了过去十年多数关于精神健康语言的计算研究结论。然而,精神疾病是动态的;先前的抑郁症诊断可能由于治疗或其他缓解因素而不再指示个体的精神健康。我们追问:自我披露的精神健康诊断在多大程度上随时间实际相关?我们分析了五年前在社交媒体上披露抑郁症诊断的个体的近期活动,并由此获得关于社交媒体上精神健康状态呈现如何纵向显现的新理解。我们还为使用自我披露诊断所整理数据集中存在人格相关偏差提供了扩展证据。我们的发现促成了三条实用建议以改进使用自我披露诊断整理的精神健康数据集:1) 标注诊断日期与精神科共病;2) 使用倾向得分匹配抽取对照组;3) 识别并移除由选择偏差引入的伪相关。

关键词

引用

@article{arxiv.2206.11155,
  title  = {Then and Now: Quantifying the Longitudinal Validity of Self-Disclosed Depression Diagnoses},
  author = {Keith Harrigian and Mark Dredze},
  journal= {arXiv preprint arXiv:2206.11155},
  year   = {2022}
}

备注

Accepted to the Eighth Workshop on Computational Linguistics and Clinical Psychology (CLPsych) at NAACL