BERT和BERTopic用于对老年人通过移动应用程序收集的开放式短信进行临床抑郁症查

科学领域:

• 老年学是指老年学的学科.
• 计算语言学 计算语言学
• 心理健康技术 心理健康技术

背景情况:

• 韩国的老年人自杀率很高,但不愿意寻求精神病治疗.
• 老年人广泛使用智能手机,为数字健康干预提供了机会.
• 韩国正在使用移动应用程序进行慢性健康管理,这表明心理健康查的潜力.

研究的目的:

• 通过使用主要压力因素的文本数据,探索选老年人抑郁风险的可行性.
• 调查使用移动应用程序从老年人中收集与健康有关的文字数据的情况.
• 为了利用自然语言处理 (NLP) 在老年人群中进行心理健康风险评估.

主要方法:

• 通过移动应用程序收集了230名参与者 (1332条短信) 的压力和抑郁症状数据.
• 利用基于变压器的双向编码器表示 (BERT) 的NLP模型 (KcBERT, KLUE BERT) 来检测抑郁症.
• 雇佣的BERTopic和动态的BERTopic用于分析高风险群体中的压力主题及其时间变化.

主要成果:

• 在识别临床抑郁症方面,KcBERT比KLUE BERT (F1得分: .79) 取得了更高的表现 (F1得分: .87).
• BERTopic确定了四种主要的压力类别:财务,家庭,健康和工作/急性压力.
• 动态BERTopic显示,与事件相关的单词 (如死亡,诊断) 与抑郁症风险增加相关,而慢性压力单词表明持续的高风险.

结论:

• 通过移动应用程序对压力经历的文字报告可以有效地选老年人抑郁风险.
• 将这种查功能集成到公开管理的智能手机应用程序中,可以帮助社区心理健康监测.
• 这种方法提供了一种方法来接触和支持隐藏的高风险人群,为他们的风险因素提供了有价值的见解.