卡塔尔世界杯8强波胆分析

摘要

背景:

在美国，有600多万人患有阿尔茨海默病和相关的痴呆症，他们从1100多万家庭或其他非正式护理人员那里得到帮助。制定了一系列传统干预措施，以支持家庭照顾者;然而，其中大多数尚未在实践中得到实施，而且在很大程度上仍然无法实现。虽然最近的研究表明，痴呆症患者的家庭照顾者使用Twitter讨论他们的经历，但还没有开发出能够使用Twitter进行干预的方法。

摘要目的:

本研究的目的是开发一个带注释的数据集和基准分类模型，用于自动识别家庭成员患有痴呆症的Twitter用户队列。

方法:

在2021年5月4日至2021年5月20日期间，我们收集了8846名用户发布的10733条推文，这些推文提到了一个与痴呆症相关的关键词、一种可能表明诊断的语言标记，以及一种选定的家庭关系。三名注释人员对每个用户随机标注一条推文，以区分那些表明家庭成员患有痴呆症的人。我们使用带注释的推文来训练和评估基于预训练变压器模型的深度神经网络分类器。为了评估我们方法的可扩展性，我们对2021年5月4日至2022年3月9日期间连续收集的推文进行了自动分类。

结果:

注释者之间的一致性为0.82 (Fleiss ' kappa)。基于BERT模型的分类器在推文上进行了预训练，对于表明用户有痴呆症家庭成员的推文类别，分类器的f1得分最高，为0.962(精度= 0.946，召回率= 0.979)。分类器检测到在2021年5月4日至2022年3月9日期间，74290名用户发布了128,838条表明有家庭成员患有痴呆症的推文，即每月约7500名用户。

结论:

我们的注释数据集可以用来自动识别有痴呆症家庭成员的Twitter用户，使Twitter的大规模使用不仅可以探索家庭照顾者的经历，还可以直接针对这些用户进行干预。