%0期刊文章%@ 2368- 7959% I JMIR出版物%V 6%卡塔尔世界杯8强波胆分析 N 12% P e13076 %T识别睡眠不足的推文作者:前瞻性研究%A Melvin,Sara %A Jamal,Amanda %A Hill,Kaitlyn %A Wang,Wei %A Young,Sean D +加州大学欧文分校医学系，333 City Blvd West, Suite 640，加利福尼亚州奥兰治，1 310 456 5239，syoung5@uci.edu %K可穿戴电子设备%K安全%K自然语言处理%K信息存储和检索%K睡眠剥夺%K神经网络(计算机)%K睡眠%K社交媒体%D 2019 %7 6.12.2019 %9原始论文%J JMIR Ment健康%G英语%X背景:社交媒体数据可以作为检测睡眠剥夺的工具进行探索。第一学期的一年级本科生被邀请佩戴睡眠追踪设备(基础;英特尔)，让我们在Twitter上关注他们，并完成关于他们睡眠的每周调查。目的:本研究旨在确定社交媒体数据是否可以用于监测睡眠剥夺。方法:利用从该设备获得的睡眠数据创建一个疲劳模型，帮助标记推文在发布时是否睡眠不足。标记数据用于训练和测试门控循环单元(GRU)神经网络，以确定研究参与者在发布时是否睡眠不足。结果:GRU神经网络的结果表明，可以将推文作者的睡眠剥夺状态分类为曲线下的平均面积为0.68。结论:利用社交媒体识别学生睡眠剥夺是可行的。 The results add to the body of research suggesting that social media data should be further explored as a potential source for monitoring health. %M 31808747 %R 10.2196/13076 %U https://mental.www.mybigtv.com/2019/12/e13076 %U https://doi.org/10.2196/13076 %U http://www.ncbi.nlm.nih.gov/pubmed/31808747