文章之外:通过自然语言处理和深度学习分析乳房植入物疾病话语

科学领域:

• 社交媒体分析
• 自然语言处理 (NLP)
• 患者报告的结果.

背景情况:

• 乳房植入体疾病 (BII) 是一系列归因于乳房植入体的症状,尽管没有证明因果关系,但患者的兴趣越来越大.
• 社交媒体平台显著影响医疗保健决策,使得这些平台上的患者对BII的看法至关重要.
• 对于医疗保健提供者和研究人员来说,了解在线话语对于解决患者担忧至关重要.

研究的目的:

• 分析与X (以前的Twitter) 上讨论的乳房植入物疾病 (BII) 相关的患者感知和情绪反应.
• 利用 RoBERTa,一种自然语言处理模型,分析大量社交媒体帖子的数据集.
• 为了比较情绪趋势和情绪随着时间的推移,并将它们与乳房植入物探索数据相关联.

主要方法:

• 在2014-2023年间,分析了6099篇提到BII的帖子,使用NLP模型来检测情绪和情绪 (恐惧,悲伤,愤怒,厌恶,中立,惊喜,快乐).
• 根据最高得分的情绪对职位的分类和2014-2018年和2019-2023年期间的结果比较.
• 皮尔森的相关性分析是在社交媒体数据和已公布的乳房植入物扩张和增大统计数据之间进行的.

主要成果:

• 分析的帖子中有75.4%的帖子表现出负面情绪,其中2019年3月的峰值值值值得注意.
• 中性和恐惧是主要的情绪 (分别为35.9%和35.6%),恐惧得分从2014-2018年到2019-2023年显著增加.
• 在探索率和负面,中性和基于恐惧的帖子数量之间发现了强烈的正相关性 (r>0.70).

结论:

• 关于乳房植入体疾病 (BII) 的在线话语在2019年达到顶峰,其特点主要是负面情绪和恐惧.
• 基于恐惧的社交媒体内容与乳房植入物扩张率的增加之间存在显著的相关性,这表明乳房植入物对患者决策有很大的影响.
• 社交媒体在塑造患者对乳房植入物切除的看法和选择方面发挥着至关重要的作用.