透析护理中的患者声音:情感分析和主题建模 社交媒体话语的研究

科学领域:

• 社交媒体分析 社交媒体分析
• 自然语言处理自然语言处理.
• 患者体验研究 研究研究

背景情况:

• 在透析中患有末期病 (ESKD) 的患者面临着严重的身体,心理和社会负担,影响生活质量.
• 社交媒体平台,如X (以前的Twitter),是透析社区分享经验和信息的关键道.

研究的目的:

• 确定X.上透析社区的关键主题,情绪和挑战.
• 利用自然语言处理 (NLP),包括情绪分析和主题建模,进行全面的数据分析.

主要方法:

• 收集了12976个与透析通过API相关的公共X帖子.
• 应用了严格的预处理,保留了7543个情绪分析 (VADER) 的帖子和4059个主题建模 (LDA) 的帖子.
• 使用Python库 (Tweepy,NLTK,Gensim,scikit-learn) 进行分析和超参数调整.

主要成果:

• 情绪分析显示,49.2%的帖子是正面的,26.2%是负面的,24.7%是中立的.
• 确定了8个关键主题:医疗程序,日常生活的影响,风险,患者教育,医疗保健准入,症状,社会经济挑战和饮食.
• 负面情绪集中在日常生活和社会经济挑战上;对教育和支持的积极情绪. 技术讨论增加了,而财务担忧仍然很高.

结论:

• 这项研究提供了对透析患者在社交媒体上的经历的数据驱动理解.
• 调查结果强调需要整体,以患者为中心的护理模式和政策,以应对多维挑战.
• 社交媒体上的患者生成的数据为改善医疗保健提供了有价值的见解.