预测美国县的阿片类药物中毒死亡率从多式联络社交媒体和心理自我报告数据
Salvatore Giorgi1,2, David B Yaden3, Johannes C Eichstaedt4,5
1National Institute on Drug Abuse, Intramural Research Program, Baltimore, MD, USA.
社交媒体语言,特别是来自Twitter的语言,可以比传统因素更好地预测阿片类药物中毒死亡. 分析公共职位揭示了社区风险和保护因素,有助于疫情监测.
科学领域:
- 公共卫生 公共卫生
- 计算社会科学 计算社会科学
- 流行病学 流行病学
背景情况:
- 阿片类药物中毒死亡率是美国的主要公共卫生危机,自1999年以来导致近100万人死亡.
- 疫情与过度处方以及经济不稳定和孤立等社会/心理因素有关.
- 目前的研究缺乏细粒度的空间和时间测量这些社会和心理决定因素.
研究的目的:
- 调查多模式数据的实用性,包括社交媒体语言,以了解和预测阿片类药物中毒死亡率.
- 开发新的方法来追踪与阿片类药物流行相关的社区层面的社会和心理构造.
主要方法:
- 利用来自600万美国县地图用户的15亿条推特的大数据集.
- 分析了来自Twitter的自然语言,以及心理测量自我报告和传统社会人口统计数据.
- 采用开放的词汇方法,避免依赖阿片类药物特定的关键词来描述社区.
主要成果:
- 推特语言分析显著预测了阿片类药物中毒死亡率,表现优于社会人口统计学,医疗保健准入和心理健康措施.
- 从Twitter数据中确定了风险因素,包括负面情绪,长时间工作和无聊.
- 确定了保护因素,如性,休活动和积极的情绪,与自我报告数据保持一致.
结论:
- 来自公共社交媒体的自然语言是预测社区阿片类药物中毒的宝贵监控工具.
- 社交媒体分析为推动阿片类药物流行病的动态社会和心理因素提供了洞察力.
- 这种方法提高了我们对阿片类药物相关死亡率的复杂决定因素的理解.
更多相关视频
09:54Combining Laser Capture Microdissection and Microfluidic qPCR to Analyze Transcriptional Profiles of Single Cells: A Systems Biology Approach to Opioid Dependence
Published on: March 8, 2020
16:02Demonstration of the Sequence Alignment to Predict Across Species Susceptibility Tool for Rapid Assessment of Protein Conservation
Published on: February 10, 2023
相关概念视频
Opioid Analgesics: Morphine and Other Natural Cogeners
Opioid Analgesics: Synthetic and Semisynthetic Opioids
Analgesia and Pain Management
Steps in Outbreak Investigation
Drug Abuse and Addiction: Pharmacological Phenomena
Analysis of Population Pharmacokinetic Data
