《美国国家科学院院刊》刊登新研究：朋友圈内容或有助预测抑郁症
在美国，每年都会有6%以上的成年人——大约1600 万人患抑郁症，但接受治疗的还不到一半。中国的数字也并不乐观，大多数报道将我国抑郁症患病率确定在3%~5%的区间，但有报道称达到了6.1%。
如果一种算法能够扫描社交媒体(脸书、朋友圈、微博等)，并在正式的医学诊断之前找出抑郁症的语言危险标志，结果会怎样？
宾夕法尼亚大学和石溪大学的新研究表明，通过分析用户社交媒体上发布帖子时的语言信息，研究人员发现他们的算法能够准确预测未来的抑郁症。相应的指标包括经常提到敌意和孤独感，诸如“哭”“眼泪”“失败”“痛苦”“感觉”这样的词，还有一些悲观的感叹词，如“哎”，以及更多地使用第一人称——“我”，这表明他们过于关注自我。
“人们在社交媒体上写的东西捕捉到了医学和研究中很难获得的一个方面。”论文资深作者、世界福利项目(WWBP)首席研究员安德鲁·施瓦茨说，“与疾病的生物物理标记相比，这是一个相对未被开发的维度。”
六年来，位于宾夕法尼亚大学积极心理学中心和Stony Brook 人类语言分析实验室的WWBP一直在研究，人们使用的词汇如何反映内心的感受和满足。2014 年，WWBP 创始科学家JohannesEichstaedt 开始思考社交媒体是否有可能预测心理健康状况，尤其是抑郁症。
据该项研究报告显示，社交媒体用户也可以查看自己发布内容时常使用的词汇，进而判断自己是否需要心理健康支持来缓解抑郁情绪甚至抑郁症。
该研究近期发表于《美国国家科学院院刊》上。(李璐编译自Medical Express), http://www.100md.com
如果一种算法能够扫描社交媒体(脸书、朋友圈、微博等)，并在正式的医学诊断之前找出抑郁症的语言危险标志，结果会怎样？
宾夕法尼亚大学和石溪大学的新研究表明，通过分析用户社交媒体上发布帖子时的语言信息，研究人员发现他们的算法能够准确预测未来的抑郁症。相应的指标包括经常提到敌意和孤独感，诸如“哭”“眼泪”“失败”“痛苦”“感觉”这样的词，还有一些悲观的感叹词，如“哎”，以及更多地使用第一人称——“我”，这表明他们过于关注自我。
“人们在社交媒体上写的东西捕捉到了医学和研究中很难获得的一个方面。”论文资深作者、世界福利项目(WWBP)首席研究员安德鲁·施瓦茨说，“与疾病的生物物理标记相比，这是一个相对未被开发的维度。”
六年来，位于宾夕法尼亚大学积极心理学中心和Stony Brook 人类语言分析实验室的WWBP一直在研究，人们使用的词汇如何反映内心的感受和满足。2014 年，WWBP 创始科学家JohannesEichstaedt 开始思考社交媒体是否有可能预测心理健康状况，尤其是抑郁症。
据该项研究报告显示，社交媒体用户也可以查看自己发布内容时常使用的词汇，进而判断自己是否需要心理健康支持来缓解抑郁情绪甚至抑郁症。
该研究近期发表于《美国国家科学院院刊》上。(李璐编译自Medical Express), http://www.100md.com