IntroductionMental illness is a lea

Introduction
Mental illness is a leading cause of disability worldwide. It is estimated that nearly 300 million people suffer from depression (World Health Organization, 2001). Reports on lifetime prevalence show high variance, with 3% reported in Japan to 17% in the US. In North America, the probability of having a major depressive episode within a one year period of time is 3–5% for males and 8–10% for females (Andrade et al., 2003).
However, global provisions and services for identifying, supporting, and treating mental illness of this nature have been considered as insufficient (Detels, 2009). Although 87% of the world’s governments offer some primary care health services to tackle mental illness, 30% do not have programs, and 28% have no budget specifically identified for mental health (Detels, 2009). In fact, there is no reliable laboratory test for diagnosing most forms of mental illness; typically, the diagnosis is based on the patient’s self-reported experiences, behaviors reported by relatives or friends, and a mental status examination.
In the context of all of these challenges, we examine the potential of social media as a tool in detecting and predicting effective disorders in individuals. We focus on a common mental illness: Major Depressive Disorder or MDD1. MDD is characterized by episodes of all encompassing low mood accompanied by low self-esteem, and loss of interest or pleasure in normally enjoyable activities. It is also well-established that people suffering from MDD tend to focus their attention on unhappy and unflattering infor-mation, to interpret ambiguous information negatively, and to harbor pervasively pessimistic beliefs (Kessler et al., 2003; Rude et al., 2004).
People are increasingly using social media platforms, such as Twitter and Facebook, to share their thoughts and opinions with their contacts. Postings on these sites are made in a naturalistic setting and in the course of daily activities and happenings. As such, social media provides a means for capturing behavioral attributes that are relevant to an individual’s thinking, mood, communication, activities, and socialization. The emotion and language used in social media postings may indicate feelings of worthlessness, guilt, helplessness, and self-hatred that characterize major depression. Additionally, depression sufferers often withdraw from social situations and activities. Such changes in activity might be salient with changes in activity on social media. Also, social media might reflect changing social ties. We pursue the hypothesis that changes in language, activity, and social ties may be used jointly to con-struct statistical models to detect and even predict MDD in a fine grained manner, including ways that can complement and extend traditional approaches to diagnosis.
Our main contributions in this paper are as follows:
(1) We use crowd sourcing to collect (gold standard) assessments from several hundred Twitter users who report that they have been diagnosed with clinical MDD, using the CES-D2 (Center for Epidemiological Studies Depression Scale) screening test.(2) Based on the identified cohort, we introduce several measures and use them to quantify an individual’s social media behavior for a year in advance of their reported on-set of depression. These include measures of: user en-gagement and emotion, egocentric social graph, linguistic style, depressive language use, and mentions of antidepressant medications.
(3) We compare the behaviors of the depressed user class, and the standard user class through these measures. Our findings indicate, for instance, that individuals with depression show lowered social activity, greater negative emotion, high self attention focus, increased relational and medicinal concerns, and heightened expression of religious thoughts. Further, despite having smaller ego networks, people in the depressed class appear to belong to tightly clustered close-knit networks, and are typically highly embedded with the contacts in their ego network.
(4) We leverage the multiple types of signals obtained thus to build an MDD classifier, that can predict, ahead of MDD onset time, whether an individual is vulnerable to depression. Our models show promise in predicting out-comes with an accuracy of 70% and precision of 0.74.
We believe that this research can enable new mechanisms to identify at-risk individuals, variables related to the exacerbation of major depression, and can frame directions on guiding valuable interventions.

ผลลัพธ์ (ไทย) 1:

แนะนำทนเจ็บป่วยเป็นสาเหตุของความพิการทั่วโลก มันคือประมาณว่า เกือบ 300 ล้านคนที่ทุกข์ทรมานจากภาวะซึมเศร้า (องค์การอนามัยโลก 2001) รายงานเกี่ยวกับอายุการใช้งานชุกแสดงผลต่างสูง มีรายงานในญี่ปุ่น 17% ในสหรัฐอเมริกา 3% ในอเมริกาเหนือ ที่น่ามีตอน depressive เป็นหลักภายในระยะเวลา 1 ปีเป็น 3-5% สำหรับชายและ 8-10% สำหรับหญิง (Andrade และ al., 2003)อย่างไรก็ตาม บทบัญญัติสากลและบริการสำหรับการระบุ สนับสนุน และรักษาโรคจิตของธรรมชาตินี้ได้ถูกถือเป็นพอ (Detels, 2009) แม้ว่า 87% ของรัฐบาลโลกนำเสนอบริการดูแลสุขภาพโรคจิตเล่นงาน 30% มีโปรแกรม ก 28% มีงบประมาณไม่ได้ระบุเฉพาะสำหรับสุขภาพจิต (Detels, 2009) ในความเป็นจริง มีไม่ทดสอบห้องปฏิบัติการที่เชื่อถือได้ในการวินิจฉัยโรคจิต รูปแบบส่วนใหญ่ ปกติ การวินิจฉัยขึ้นอยู่กับประสบการณ์รายงานตนเองของผู้ป่วย รายงานพฤติกรรม โดยญาติ หรือเพื่อน และการตรวจสอบสถานะจิตในบริบทของความท้าทายเหล่านี้ทั้งหมด เราตรวจสอบศักยภาพของสังคมเป็นเครื่องมือในการตรวจสอบ และคาดการณ์โรคในบุคคลที่มีประสิทธิภาพ เราเน้นโรคจิตทั่วไป: เศร้าหรือ MDD1 MDD เป็นลักษณะ โดยตอนของ encompassing ทั้งหมดอารมณ์ต่ำตามค่า และสูญเสียผลประโยชน์หรือความสุขในกิจกรรมสนุกสนานตามปกติ ก็ดีขึ้นว่า คนที่ทุกข์ทรมานจาก MDD มักจะ เน้นความสนใจของพวกเขาไม่มีความสุข และ unflattering infor-mation การตีความข้อมูลชัดเจนในเชิงลบ และท่าความเชื่อในเชิงลบ pervasively (Kessler et al., 2003 หยาบและ al., 2004)คนมากขึ้นจะใช้แพลตฟอร์มสังคม Twitter และ Facebook ร่วมความคิดและความเห็นของพวกเขากับผู้ติดต่อของพวกเขา บนเว็บไซต์เหล่านี้จะลงในหลักสูตร ของกิจกรรมประจำวันและสถานที่ สำคัญ ในการตั้งค่าแบบ naturalistic เช่น สังคมแสดงวิธีการสำหรับการจับภาพพฤติกรรมคุณลักษณะที่เกี่ยวข้องของแต่ละความคิด อารมณ์ สื่อสาร กิจกรรม และสังคม อารมณ์และภาษาที่ใช้ในสังคมลงอาจแสดงความรู้สึกของ worthlessness ความผิด helplessness และ self-hatred ที่สำคัญภาวะซึมเศร้า นอกจากนี้ ผู้ที่ทรมานจากโรคซึมเศร้ามักจะถอนตัวออกจากสถานการณ์ทางสังคมและกิจกรรมการ เปลี่ยนแปลงในกิจกรรมอาจเด่น มีกิจกรรมในสังคม ยัง สังคมอาจสะท้อนถึงการเปลี่ยนแปลงความสัมพันธ์ทางสังคม เราไล่ตามสมมติฐานที่สามารถใช้เปลี่ยนแปลงภาษา กิจกรรม และความสัมพันธ์ทางสังคม ร่วมคอน struct รุ่นทางสถิติเพื่อตรวจสอบ และได้ทำนาย MDD อย่างดี grained รวมถึงวิธีที่สามารถเติมเต็ม และขยายวิธีดั้งเดิมในการวินิจฉัยผลงานของเราหลักในเอกสารนี้จะเป็นดังนี้:(1) We use crowd sourcing to collect (gold standard) assessments from several hundred Twitter users who report that they have been diagnosed with clinical MDD, using the CES-D2 (Center for Epidemiological Studies Depression Scale) screening test.(2) Based on the identified cohort, we introduce several measures and use them to quantify an individual’s social media behavior for a year in advance of their reported on-set of depression. These include measures of: user en-gagement and emotion, egocentric social graph, linguistic style, depressive language use, and mentions of antidepressant medications.(3) We compare the behaviors of the depressed user class, and the standard user class through these measures. Our findings indicate, for instance, that individuals with depression show lowered social activity, greater negative emotion, high self attention focus, increased relational and medicinal concerns, and heightened expression of religious thoughts. Further, despite having smaller ego networks, people in the depressed class appear to belong to tightly clustered close-knit networks, and are typically highly embedded with the contacts in their ego network.(4) We leverage the multiple types of signals obtained thus to build an MDD classifier, that can predict, ahead of MDD onset time, whether an individual is vulnerable to depression. Our models show promise in predicting out-comes with an accuracy of 70% and precision of 0.74.We believe that this research can enable new mechanisms to identify at-risk individuals, variables related to the exacerbation of major depression, and can frame directions on guiding valuable interventions.

ผลลัพธ์ (ไทย) 3:

บทนำ
ทางจิตคือสาเหตุของคนพิการทั่วโลก มันคือประมาณว่าเกือบ 300 ล้านคนทุกข์ทรมานจากภาวะซึมเศร้า ( องค์การ อนามัยโลก ปี 2001 ) รายงานชีวิตความชุกแสดงความแปรปรวนสูง มี 3 % รายงานในญี่ปุ่นถึง 17 % ในเรา ในอเมริกาเหนือความน่าจะเป็นของ มี 1 . ภาวะซึมเศร้าภายในหนึ่งปี ระยะเวลา 3 - 5 % สำหรับเพศชายและเพศหญิง ( 8 - 10 เปอร์เซ็นต์ อันดราเด้ et al . , 2003 ) .
แต่บทบัญญัติและบริการระดับโลกสำหรับการสนับสนุนและการรักษาอาการป่วยทางจิตของธรรมชาตินี้ได้ถูกถือว่าเป็นไม่เพียงพอ ( detels 2009 )ถึง 87% ของรัฐบาลโลกที่เสนอบริการสุขภาพปฐมภูมิ เพื่อแก้ไขปัญหาการเจ็บป่วยทางจิต 30% ไม่ต้องมีโปรแกรมและ 28 % ไม่มีงบประมาณที่ระบุเฉพาะเจาะจงเพื่อสุขภาพจิต ( detels , 2009 ) ในความเป็นจริง ไม่มีความน่าเชื่อถือ ห้องปฏิบัติการทดสอบสำหรับการฟอร์มส่วนใหญ่ของการเจ็บป่วยทางจิต โดยทั่วไปแล้ว การวินิจฉัยขึ้นอยู่กับประสบการณ์ self-reported คนไข้พฤติกรรมที่รายงานโดยญาติหรือเพื่อน และการตรวจสุขภาพจิต .
ในบริบทของความท้าทายเหล่านี้ เราตรวจสอบศักยภาพของสื่อทางสังคมเป็นเครื่องมือในการตรวจหาความผิดปกติ และทำนายประสิทธิภาพในแต่ละบุคคล เรามุ่งเน้นที่พบความเจ็บป่วยทางจิต : โรคซึมเศร้า หรือ mdd1 .เต็มเป็นลักษณะตอนอารมณ์พร้อมด้วยครอบคลุมทั้งหมดต่ำความนับถือตนเองต่ำและการสูญเสียผลประโยชน์หรือความสุขในกิจกรรมปกติที่สนุกสนาน นอกจากนี้ยังเป็นที่ที่คนทุกข์ทรมานจาก MDD มีแนวโน้มที่จะเน้นความสนใจของพวกเขาในความสุขและ unflattering อินฟอร์ mation เพื่อตีความข้อมูลที่ไม่ชัดเจนในทางลบและท่าเรือความเชื่อ pervasively มองโลกในแง่ร้าย ( เคสเลอร์ et al . , 2003 ; หยาบคาย et al . , 2004 ) .
คนมากขึ้นการใช้แพลตฟอร์มสื่อสังคมเช่น Twitter และ Facebook เพื่อแบ่งปันความคิดและความคิดเห็นของพวกเขากับผู้ติดต่อของพวกเขา การลงรายการบัญชีบนเว็บไซต์เหล่านี้ทำในสภาพแวดล้อมทางธรรมชาติและในหลักสูตรของกิจกรรมประจำวันที่เกิดขึ้นและ เช่นสื่อสังคมให้หมายถึงการจับลักษณะพฤติกรรมที่เกี่ยวข้องกับแต่ละบุคคลคิด , อารมณ์ , การสื่อสาร , กิจกรรม , และการขัดเกลาทางสังคม อารมณ์และการใช้ภาษาในการสื่อสังคมอาจบ่งบอกความรู้สึกของความเหลวแหลก ความรู้สึกผิด หมดหนทาง และตนเองความเกลียดชังที่มีลักษณะภาวะซึมเศร้า . นอกจากนี้ภาวะซึมเศร้า sufferers มักจะถอนตัวจากสถานการณ์ทางสังคมและกิจกรรม การเปลี่ยนแปลงดังกล่าวในกิจกรรมที่อาจจะสำคัญกับการเปลี่ยนแปลงในกิจกรรมในสื่อสังคม นอกจากนี้ สื่อสังคมอาจสะท้อนให้เห็นถึงการเปลี่ยนแปลงความสัมพันธ์ทางสังคม เราไล่ตามสมมติฐานว่า การเปลี่ยนแปลงในภาษา กิจกรรมและความสัมพันธ์ทางสังคมที่อาจจะใช้ร่วมกันเพื่อต่อต้านซอฟต์แวร์แบบจำลองทางสถิติเพื่อตรวจสอบและแม้กระทั่งทำนายเต็มในการปรับเม็ดลักษณะ รวมถึงวิธีที่สามารถเติมเต็มและขยายวิธีการแบบดั้งเดิมเพื่อการวินิจฉัย .
บริจาคหลักของเราในกระดาษมีดังนี้
( 1 ) เราใช้ฝูงชนจัดหาเพื่อรวบรวมมาตรฐาน ( ทอง ) จากการประเมินหลายร้อยผู้ใช้ Twitter ที่รายงานว่าพวกเขาได้รับการวินิจฉัยกับ MDD คลินิก โดยใช้ ces-d2 ( ศูนย์ระบาดวิทยาแบบคัดกรองภาวะซึมเศร้า ) ( 2 ) ศึกษาตามระบุ ,