从社交媒体上报告偏头痛的可通用自然语言处理框架.

科学领域:

• 神经学 神经学
• 计算语言学 计算语言学
• 公共卫生 公共卫生

背景情况:

• 偏头痛是一种常见且令人衰弱的神经疾病.
• 现有的关于真实世界偏头痛管理的研究往往局限于传统来源.
• 社交媒体提供了一个巨大的,在很大程度上未开发的资源,以了解患者的经验.

研究的目的:

• 在社交媒体上确认自我报告的偏头痛数据的可用性.
• 创建一个用于检测偏头痛相关帖子的自动化系统.
• 评估社交媒体对偏头痛研究的有用性.

主要方法:

• 手动注释了5750个推特和302个Reddit帖子.
• 开发和评估用于文本分类的监督机器学习模型.
• 对检测到的偏头痛疗法和情绪的社交媒体帖子进行分析.

主要成果:

• 开发了一个高度准确的文本分类系统 (F1在Twitter上得分为0.90,在Reddit上得分为0.93).
• 在社交媒体上发现了大量与偏头痛相关的讨论,包括治疗和情绪.
• 该研究表明,使用社交媒体进行偏头痛研究的可行性.

结论:

• 社交媒体平台是自我报告的偏头痛信息的丰富来源.
• 对社交媒体数据的自动分析可以为偏头痛管理提供见解.
• 这种方法为基于社交媒体的大规模偏头痛研究奠定了基础.