Background LiteratureRich bodies of

Background Literature
Rich bodies of work on depression in psychiatry, psychology, medicine, and sociology linguistics describe efforts to identify and understand correlates of MDD in individuals. Cloning er et al., (2006) examined the role of personality traits in the vulnerability of individuals to a future episode of depression, through a longitudinal study. On the other hand, Rude et al., (2003) found support for the claim that negative processing biases, particularly (cognitive) biases in resolving ambiguous verbal information can predict subsequent depression. Robinson and Alloy, (2003) similarly observed that negative cognitive styles and stress-reactive rumination were predictive of the onset, number and duration of depressive episodes. Finally, Brown et al., (1986) found that lack of social support and lowered self-esteem are important factors linked to higher incidences of depression. Among a variety of somatic factors, reduced energy, disturbed sleep, eating disorders, and stress and tension have also been found to be correlates of depressive disorders (Abdel-Khalek, 2004).
In the field of sociolinguistics, Oxman et al., (1982) showed that linguistic analysis of speech could classify patients into groups suffering from depression and paranoia. Computerized analysis of written text through the LIWC program has also been found to reveal predictive cues about neurotic tendencies and psychiatric disorders (Rude, Gortner & Pennebaker, 2004).Although studies to date have improved our understanding of factors that are linked to mental disorders, a notable limitation of prior research is that it relies heavily on small, often homogeneous samples of individuals, who may not necessarily be representative of the larger population. Further, these studies typically are based on surveys, relying on retrospective self-reports about mood and observations about health: a method that limits temporal granularity. That is, such assessments are designed to collect high-level summaries about experiences over long periods of time. Collecting finer-grained longitudinal data has been difficult, given the resources and invasiveness required to ob-serve individuals’ behavior over months and years.
We leverage continuing streams of evidence from social media on posting activity that often reflects people’s psy-ches and social milieus. We seek to use this data about people’s social and psychological behavior to predict their vulnerabilities to depression in an unobtrusive and fine-grained manner.
Moving to research on social media, over the last few years, there has been growing interest in using social media as a tool for public health, ranging from identifying the spread of flu symptoms (Sadilek et al., 2012), to building insights about diseases based on postings on Twitter (Paul & Dredze, 2011). However, research on harnessing social media for understanding behavioral health disorders is still in its infancy. Kotikalapudi et al., (2012) analyzed patterns of web activity of college students that could signal depression. Similarly, Moreno et al., (2011) demonstrated that status updates on Facebook could reveal symptoms of major depressive episodes.
In the context of Twitter, Park et al., (2012) found initial evidence that people post about their depression and even their treatment on social media. In other related work, De Choudhury et al., (2013) examined linguistic and emotional correlates for postnatal changes of new mothers, and built a statistical model to predict extreme postnatal behavioral changes using only prenatal observations. The latter work highlights the potential of social media as a source of signals about likelihood of current or future episodes of depression. With the present work we: (1) expand the scope of social media-based mental health measures, describing the relationship between nearly 200 measures and the presence of depression; and (2) demonstrate that we can use those measures to predict, ahead of onset, depressive disorders in a cohort of individuals who are diagnosed with depression via a standard psychometric instrument.

ผลลัพธ์ (ไทย) 1:

พื้นหลังเอกสารประกอบการร่างกายที่อุดมไปด้วยงานในภาวะซึมเศร้าในจิตเวช จิตวิทยา แพทย์ และสังคมวิทยาภาษาศาสตร์อธิบายพยายามระบุ และทำความเข้าใจสัมพันธ์กับของ MDD ในบุคคล โคลนเอ้อ et al., (2006) ตรวจสอบบทบาทของบุคลิกลักษณะในช่องโหว่ของแต่ละบุคคลเพื่อตอนอนาคตของภาวะซึมเศร้า ผ่านการศึกษาระยะยาว บนมืออื่น ๆ Rude et al., (2003) พบสนับสนุนข้อเรียกร้องที่เป็นลบที่ยอมประมวลผล โดยเฉพาะอย่างยิ่งยอม (รับรู้) ในการแก้ไขข้อมูลไม่ชัดเจนด้วยวาจาสามารถทำนายภาวะซึมเศร้าตามมาได้ โรบินสันและโลหะผสม, (2003) ในทำนองเดียวกันสังเกตว่า ลักษณะการรับรู้เชิงลบและความเครียดปฏิกิริยา rumination ถูกคาดการณ์เริ่ม หมายเลข และระยะเวลาของตอน depressive สุดท้าย น้ำตาลร้อยเอ็ด al., (1986) พบว่า ขาดการสนับสนุนทางสังคมและการนับถือตนเองต่ำลงมีความสำคัญปัจจัยที่เชื่อมโยงกับ incidences สูงโรคซึมเศร้า ความหลากหลายของปัจจัย somatic ลดพลังงาน รบกวนนอน หลับ โรค การรับประทานอาหาร และความเครียดและความตึงเครียดได้นอกจากนี้ยังพบว่าสามารถสัมพันธ์กับของโรค depressive (Abdel-Khalek, 2004)In the field of sociolinguistics, Oxman et al., (1982) showed that linguistic analysis of speech could classify patients into groups suffering from depression and paranoia. Computerized analysis of written text through the LIWC program has also been found to reveal predictive cues about neurotic tendencies and psychiatric disorders (Rude, Gortner & Pennebaker, 2004).Although studies to date have improved our understanding of factors that are linked to mental disorders, a notable limitation of prior research is that it relies heavily on small, often homogeneous samples of individuals, who may not necessarily be representative of the larger population. Further, these studies typically are based on surveys, relying on retrospective self-reports about mood and observations about health: a method that limits temporal granularity. That is, such assessments are designed to collect high-level summaries about experiences over long periods of time. Collecting finer-grained longitudinal data has been difficult, given the resources and invasiveness required to ob-serve individuals’ behavior over months and years.We leverage continuing streams of evidence from social media on posting activity that often reflects people’s psy-ches and social milieus. We seek to use this data about people’s social and psychological behavior to predict their vulnerabilities to depression in an unobtrusive and fine-grained manner.Moving to research on social media, over the last few years, there has been growing interest in using social media as a tool for public health, ranging from identifying the spread of flu symptoms (Sadilek et al., 2012), to building insights about diseases based on postings on Twitter (Paul & Dredze, 2011). However, research on harnessing social media for understanding behavioral health disorders is still in its infancy. Kotikalapudi et al., (2012) analyzed patterns of web activity of college students that could signal depression. Similarly, Moreno et al., (2011) demonstrated that status updates on Facebook could reveal symptoms of major depressive episodes.In the context of Twitter, Park et al., (2012) found initial evidence that people post about their depression and even their treatment on social media. In other related work, De Choudhury et al., (2013) examined linguistic and emotional correlates for postnatal changes of new mothers, and built a statistical model to predict extreme postnatal behavioral changes using only prenatal observations. The latter work highlights the potential of social media as a source of signals about likelihood of current or future episodes of depression. With the present work we: (1) expand the scope of social media-based mental health measures, describing the relationship between nearly 200 measures and the presence of depression; and (2) demonstrate that we can use those measures to predict, ahead of onset, depressive disorders in a cohort of individuals who are diagnosed with depression via a standard psychometric instrument.

ผลลัพธ์ (ไทย) 2:

วรรณกรรมพื้นหลังร่างกายที่อุดมไปด้วยของการทำงานในภาวะซึมเศร้าในจิตเวชจิตวิทยาการแพทย์และภาษาศาสตร์สังคมวิทยาอธิบายความพยายามที่จะระบุและเข้าใจความสัมพันธ์ของบุคคลใน MDD
โคลนเอ้อ et al. (2006) การตรวจสอบบทบาทของบุคลิกภาพในช่องโหว่ของบุคคลที่จะตอนของภาวะซึมเศร้าในอนาคตผ่านการศึกษาระยะยาว บนมืออื่น ๆ , หยาบ et al. (2003) พบว่าการสนับสนุนสำหรับการอ้างว่ามีอคติในการประมวลผลเชิงลบโดยเฉพาะอย่างยิ่ง (องค์ความรู้) อคติในการแก้ไขข้อมูลด้วยวาจาที่ไม่ชัดเจนสามารถคาดการณ์ภาวะซึมเศร้าตามมา โรบินสันและแม็กซ์ (2003) ตั้งข้อสังเกตในทำนองเดียวกันว่ารูปแบบการคิดเชิงลบและครุ่นคิดความเครียดปฏิกิริยามีการคาดการณ์ของการโจมตีจำนวนและระยะเวลาของโรคซึมเศร้า สุดท้ายสีน้ำตาล et al. (1986) พบว่าการขาดการสนับสนุนทางสังคมที่ลดลงและภาคภูมิใจในตนเองเป็นปัจจัยสำคัญที่เชื่อมโยงกับอุบัติการณ์ที่สูงขึ้นของภาวะซึมเศร้า ท่ามกลางความหลากหลายของปัจจัยร่างกายมีพลังงานที่ลดลงนอนหลับรบกวนการกินผิดปกติและความเครียดและความตึงเครียดนอกจากนี้ยังได้รับพบว่ามีความสัมพันธ์ของโรคซึมเศร้า (อับเดล-Khalek, 2004).
ในสาขาภาษาศาสตร์ที่ Oxman et al. ( 1982) แสดงให้เห็นว่าการวิเคราะห์ภาษาในการพูดสามารถจำแนกออกเป็นกลุ่มผู้ป่วยที่ทุกข์ทรมานจากภาวะซึมเศร้าและความหวาดระแวง การวิเคราะห์คอมพิวเตอร์ของข้อความที่เขียนผ่านโปรแกรม LIWC ยังมีการค้นพบที่จะเปิดเผยตัวชี้นำการคาดการณ์เกี่ยวกับแนวโน้มที่มีอาการทางประสาทและโรคทางจิตเวช (หยาบ Gortner และ Pennebaker, 2004) การศึกษา .Although ถึงวันที่มีการปรับปรุงความเข้าใจของเราของปัจจัยที่มีการเชื่อมโยงกับความผิดปกติทางจิต ข้อ จำกัด ที่โดดเด่นของการวิจัยก่อนก็คือว่ามันต้องอาศัยขนาดเล็กมักจะเป็นเนื้อเดียวกันตัวอย่างของบุคคลที่อาจไม่จำเป็นต้องเป็นตัวแทนของประชากรที่มีขนาดใหญ่ นอกจากนี้การศึกษาเหล่านี้มักจะอยู่บนพื้นฐานของการสำรวจการพึ่งพาตนเองรายงานย้อนหลังเกี่ยวกับอารมณ์และข้อสังเกตเกี่ยวกับสุขภาพ: วิธีการที่ จำกัด เมล็ดชั่วขณะ นั่นคือการประเมินผลดังกล่าวจะถูกออกแบบมาเพื่อรวบรวมสรุประดับสูงเกี่ยวกับประสบการณ์ในช่วงเวลาที่ยาวนานของเวลา การจัดเก็บข้อมูลระยะยาวปลีกย่อยละเอียดได้ยากให้ทรัพยากรและการรุกรานที่จำเป็นในการอบให้บริการพฤติกรรมของประชาชนในช่วงหลายเดือนและปีที่ผ่านมา.
เราใช้ประโยชน์อย่างต่อเนื่องลำธารของหลักฐานจากสื่อทางสังคมในการโพสต์กิจกรรมที่มักจะสะท้อนให้เห็นถึงผู้คน psy-ches และสภาพแวดล้อมที่มีสังคม . เราพยายามที่จะใช้ข้อมูลนี้เกี่ยวกับคนของพฤติกรรมทางสังคมและจิตใจที่จะคาดการณ์ช่องโหว่ของพวกเขากับภาวะซึมเศร้าในลักษณะที่สร้างความรำคาญและละเอียด.
ย้ายไปวิจัยเกี่ยวกับสื่อสังคมในช่วงไม่กี่ปีที่ผ่านมามีการเติบโตที่น่าสนใจในการใช้สื่อสังคมเป็น เครื่องมือสำหรับสุขภาพของประชาชนตั้งแต่การระบุการแพร่กระจายของอาการไข้หวัด (Sadilek et al., 2012) ในการสร้างความรู้ความเข้าใจเกี่ยวกับโรคขึ้นอยู่กับการโพสต์บนทวิตเตอร์ (Paul & Dredze 2011) อย่างไรก็ตามการวิจัยเกี่ยวกับการควบคุมสื่อสังคมสำหรับการทำความเข้าใจความผิดปกติของพฤติกรรมสุขภาพยังอยู่ในวัยเด็กของตน Kotikalapudi et al. (2012) การวิเคราะห์รูปแบบของกิจกรรมบนเว็บของนักศึกษาที่สามารถส่งสัญญาณภาวะซึมเศร้า ในทำนองเดียวกัน Moreno et al. (2011) แสดงให้เห็นว่าการปรับปรุงสถานะบน Facebook สามารถเปิดเผยอาการของโรคซึมเศร้า.
ในบริบทของ Twitter, ปาร์ค et al. (2012) พบหลักฐานครั้งแรกที่คนโพสต์เกี่ยวกับภาวะซึมเศร้าและแม้กระทั่งของพวกเขา การรักษาในสื่อสังคม ในงานอื่น ๆ ที่เกี่ยวข้อง De Choudhury et al. (2013) การตรวจสอบความสัมพันธ์ทางภาษาและอารมณ์สำหรับการเปลี่ยนแปลงของมารดาหลังคลอดใหม่และสร้างแบบจำลองทางสถิติที่จะคาดการณ์การเปลี่ยนแปลงพฤติกรรมที่รุนแรงหลังคลอดโดยใช้เพียงข้อสังเกตก่อนคลอด การทำงานหลังไฮไลท์ที่มีศักยภาพของสื่อทางสังคมเป็นแหล่งที่มาของการส่งสัญญาณเกี่ยวกับความน่าจะเป็นอาการของโรคปัจจุบันหรือในอนาคตของภาวะซึมเศร้า กับการทำงานปัจจุบันเรา (1) ขยายขอบเขตของสื่อสังคมตามมาตรการด้านสุขภาพจิตอธิบายความสัมพันธ์ระหว่างเกือบ 200 มาตรการและการปรากฏตัวของภาวะซึมเศร้านั้น และ (2) แสดงให้เห็นว่าเราสามารถใช้มาตรการเหล่านั้นที่จะคาดการณ์ล่วงหน้าของการโจมตี, โรคซึมเศร้าในกลุ่มของบุคคลที่ได้รับการวินิจฉัยภาวะซึมเศร้าผ่านเครื่องมือทางจิตวิทยามาตรฐาน

ผลลัพธ์ (ไทย) 3:

ประวัติวรรณคดี
รวย เนื้องานต่อภาวะซึมเศร้าในจิตเวช , จิตวิทยา , การแพทย์ , และภาษาศาสตร์สังคมวิทยาอธิบายถึงความพยายามที่จะระบุและเข้าใจความสัมพันธ์ของเต็มในแต่ละบุคคล การโคลนนิ่งเอ้อ et al . ( 2006 ) ศึกษาบทบาทของบุคลิกภาพในช่องโหว่ของบุคคลตอนอนาคตของภาวะซึมเศร้า , ผ่านการศึกษาตามยาว บนมืออื่น ๆ , หยาบ et al . ,( 2546 ) พบว่า การสนับสนุนสำหรับการประมวลผล โดยอ้างว่า อคติเชิงลบ ( การคิด ) อคติในการแก้ไขข้อมูลด้วยวาจากำกวม สามารถคาดเดา ต่อมาดีเปรสชัน โรบินสันและโลหะผสม ( 2003 ) ซึ่งพบว่า รูปแบบการคิดเชิงลบและความเครียดเป็นปฏิกิริยาการใคร่ครวญเพื่อการโจมตีจำนวนและระยะเวลาของเอพโรคซึมเศร้า สุดท้ายสีน้ำตาล et al . ,( 1986 ) พบว่า การขาดการสนับสนุนทางสังคมและความรู้สึกมีคุณค่าในตนเองลดลงเป็นปัจจัยสำคัญที่เกี่ยวข้องกับอุบัติการณ์ที่สูงขึ้นของภาวะซึมเศร้า ท่ามกลางความหลากหลายของปัจจัยทางกาย ลดพลังงาน รบกวนการนอนหลับ , ความผิดปกติของการรับประทานอาหาร , ความเครียดและความตึงเครียดและยังพบจะเกี่ยวข้องกับโรคซึมเศร้า ( เดล khalek , 2004 ) .
ในด้านภาษาศาสตร์สังคม oxman , et al . ,( 1982 ) พบว่า การวิเคราะห์ภาษาการพูดสามารถแบ่งผู้ป่วยออกเป็นกลุ่มที่ทุกข์ทรมานจากภาวะซึมเศร้าและความหวาดระแวง การวิเคราะห์ระบบคอมพิวเตอร์ของเขียนข้อความผ่านโปรแกรม liwc ยังมีการพบเปิดเผยตัวพยากรณ์เกี่ยวกับแนวโน้มประสาทและโรคทางจิตเวช ( หยาบคาย กอร์ตเนอร์& เพนเนเบเกอร์ , 2004 )แม้ว่าการศึกษาถึงวันที่มีการปรับปรุงความเข้าใจขององค์ประกอบที่เชื่อมโยงกับความผิดปกติทางจิต ข้อจำกัดที่เด่นของการวิจัยก่อน คือมันอาศัยอย่างหนักในขนาดเล็ก มักจะเป็นเนื้อเดียวกันตัวอย่างของบุคคลที่อาจจะไม่ได้เป็นตัวแทนของขนาดประชากร เพิ่มเติม การศึกษาเหล่านี้มักจะอยู่บนพื้นฐานของการสำรวจอาศัยย้อนหลัง self-reports เกี่ยวกับอารมณ์และข้อสังเกตเกี่ยวกับสุขภาพ : วิธีการที่ จำกัด เวลา granularity . นั่นคือ การประเมินดังกล่าวถูกออกแบบมาเพื่อรวบรวมและสรุปเกี่ยวกับประสบการณ์มากกว่าระยะเวลานานของเวลา การเก็บรวบรวมข้อมูลปลีกย่อยเม็ดตามยาวได้ยาก