利用社交媒体和大型语言模型进行可扩展的酒精风险评估:通过AUDIT-C检查有效性和后期效应

科学领域:

• 计算社会科学 计算社会科学
• 公共卫生信息学 公共卫生信息学
• 医疗保健中的人工智能

背景情况:

• 冒险饮酒构成了重大的公共卫生挑战.
• 目前的选方法面临广泛实施的障碍.
• 社交媒体为不引人注目的风险评估提供了一个潜在的途径.

研究的目的:

• 评估大型语言模型 (LLM) 在从社交媒体文本中检测有风险的酒精使用方面的有效性.
• 将基于LLM的风险推断与验证的自我报告措施 (AUDIT-C) 进行比较.
• 探索LLM的可扩展性,用于人口层面的酒精风险评估.

主要方法:

• 分析了208名意大利成年人的Facebook状态更新.
• 使用Gemini 1.5 Pro和GPT-4o来评估酒精风险和参考资料.
• 相关联的LLM推断风险得分与AUDIT-C得分.

主要成果:

• 在Gemini 1.5 Pro和GPT-4o风险推断之间观察到强烈的一致性 (ρ = 0.572).
• 在LLM推断风险和AUDIT-C分数之间发现了中度的相关性 (平均 ρ = 0.405).
• 对于最近在社交媒体上发布帖子的参与者来说,相关性明显更强 (平均 ρ = 0.500).

结论:

• 通过社交媒体,LLM显示出潜在的可扩展工具,用于通过社交媒体识别危险的酒精使用.
• 士学位准确性,特别是最近的职位,与传统的评估方法相美.
• 这种方法可以提高与酒精有关的风险的早期发现和干预.