研究人员分析了数百万条推文，以确定感染新冠后有创伤后应激障碍（PTSD）风险的幸存者。通过应用机器学习技术，基于与创伤症状相关的特定关键词，他们在将帖子分类为 PTSD 阳性方面达到了 83%的准确率。
这项研究突显了社交媒体作为像 PTSD 这类心理健康状况早期筛查工具的潜力。研究结果强调了对受新冠心理健康影响的人群进行及时干预的必要性。
关键事实：
- 机器学习对新冠幸存者中 PTSD 的识别准确率达 83%。
- 社交媒体数据为早期心理健康筛查提供了可能。
- 该研究强调了新冠的心理健康危害，包括焦虑和失眠。
来源：伯明翰大学
科学家们分析了数百万条推文，以识别患有创伤后应激障碍（PTSD）的新冠幸存者——证明了使用社交媒体数据作为早期筛查和干预工具的有效性。
研究人员构建了一个包含 396 万条推文的数据集，这些推文来自于在 2020 年 3 月至 2021 年 11 月期间在其时间线上提到自己新冠检测呈阳性的用户。
“通过进一步的研究，这里使用的机器学习技术有可能被应用于提供其他健康问题的早期检测。” 来源：神经科学新闻
使用包括支持向量机（SVM）、朴素贝叶斯、K 近邻和随机森林在内的机器学习分类器，该团队将帖子分类为 PTSD 阳性或阴性——使用 SVM 达到了 83.29%的准确率。
该国际研究团队在《科学报告》上发表了他们的研究结果，强调了新冠对心理健康的重大影响，强调了对 PTSD 进行早期检测和干预的必要性。
共同作者、来自伯明翰大学的马克·李教授评论道：“我们的研究结果表明，社交媒体数据可以为识别有 PTSD 风险的人提供有价值的手段——实现早期筛查和及时的医疗行动。
“通过进一步的研究，这里使用的机器学习技术有可能被应用于提供其他健康问题的早期检测。”
在分析推文时，科学家们确定感染新冠是一个触发事件。然后，他们根据包括再体验、过度警觉和回避行为等关键因素寻找症状，搜索了一系列关键词，包括：
- 闪回、噩梦、闯入、恐慌、生动的梦（再体验）
- 焦躁不安、惊吓、高度警惕、易怒（过度警觉）
- 避免、回避（回避行为）
- 焦虑、抑郁、自杀念头、食欲、创伤、疲劳（其他症状）
同时提到新冠感染状况以及 PTSD 关键词之一的推文被视为“PTSD 阳性”。提到 PTSD 关键词但与新冠无关的其他事件的推文被视为“PTSD 阴性”。
共同作者、来自伯明翰大学的穆巴希尔·阿里博士评论道：“我们对用户在被诊断出新冠后的发帖行为有了更深入的了解。我们的分析表明，这场大流行对人们的心理健康造成了损害，突显了焦虑、失眠和噩梦等症状在新冠幸存者中普遍存在的可能影响。”
PTSD 是一种焦虑障碍，可能在经历过创伤性事件（如车祸、战争、身体、情感或性虐待、自然灾害或任何其他改变生活的经历）的个人中发展。世界卫生组织和美国精神病学协会（APA）都认可 PTSD 是一种合法的病症。
（全文结束）
