在美国军人和退伍军人中检测自杀风险:使用社交媒体数据的深度学习方法

科学领域:

• 计算精神病学是一种计算精神病学.
• 社交媒体分析.
• 军事精神健康 军事精神健康

背景情况:

• 军事服务人员和退伍军人面临着高自杀风险.
• 他们往往不会向领导人或临床医生自我认同自杀念头.

研究的目的:

• 在军事社交媒体平台上开发一种识别自杀相关内容的算法.
• 帮助早期发现有风险的军人和退伍军人.

主要方法:

• 从军事平台审查了8449个公开共享的社交媒体帖子.
• 标签为自杀想法/行为的帖子.
• 训练有素的机器学习模型,包括深度学习 (RoBERTa) 模型,以检测此类内容.

主要成果:

• 最好的模型 (RoBERTa) 实现了高性能:灵敏度为0.85,特异性为0.96,精度为0.64,F1为0.73.
• 自杀帖子更频繁地包含明确提到自杀,危险因素 (如PTSD,抑郁症) 和寻求帮助的语言.
• 第一人称单数代词在自杀帖子中更常见.

结论:

• 社交媒体分析是识别有自杀风险的军人和退伍军人的可行方法.
• 这种方法对积极的心理健康干预有希望.
• 未来的工作重点是基于社交媒体数据提供有针对性的干预措施.