توسعه سیستم های پشتیبان تصمیم بالینی در روانپزشکی با استفاده از داده های میکروبلاگینگ

هدف: روند تشخیص اختلال روانی در رویکرد های سنتی، متکی بر پرسشنامه، مصاحبه و بررسی های بالینی است؛ درحالی که ابزارهای غربالگری خودکار می توانند مسیر کوتاه تری را طی کنند و به عنوان استراتژی های ارزیابی نوین، سیستم های پشتیبان تصمیم و راهبردهای پیشگیری برای کمک به افراد مستعد توسعه یابند. با توجه به تمایل افراد به اشتراک گذاری افکار و احساسات در سکو های اجتماعی، داده های میکروبلاگینگ حاوی اطلاعات ارزشمندی هستند که می توانند برای شناسایی حالات روانی مورد تحلیل قرار گیرند. هدف از این پژوهش تشریح سازوکار تحلیل داده در زمینه مورد بحث است.روش شناسی پژوهش: در این مقاله، در ابتدا مفاهیمی مانند سلامت روان الکترونیک و سکوهای میکروبلاگینگ معرفی شده و با ارائه توضیحاتی در خصوص علم داده و تحلیل داده اجتماعی، ارتباط مفاهیم با یکدیگر مورد بحث قرار می گیرد. در ادامه در قالب بخشی جداگانه، پیش بینی اختلال در شبکه های اجتماعی شرح داده می شود. در نهایت با بررسی سوابق تحقیق و مسائل باز، به چگونگی جمع آوری داده، پیش پردازش و روند استفاده از ویژگی های متفاوت به کمک ابزارهای تحلیل گوناگون می پردازیم.یافته ها: این پژوهش با پیاده سازی نمونه ای کاربردی از تجزیه وتحلیل داده اجتماعی روی داده های دنیای واقعی نشان می دهد، ویژگی های استخراج شده از نمایه کاربر، تاثیر قابل توجهی در پیش بینی علائم افسردگی دارند و حتی می توان با اطلاعات استخراج شده از نمایه عمومی کاربر، وضعیت روانی را با دقتی مناسب پیش بینی نمود.اصالت/ارزش افزوده علمی: در این پژوهش چگونگی تحلیل خودکار داده اجتماعی با هدف شناسایی اختلال روانی شرح داده شده و در پیاده سازی مشخص می شود که علائم تقریبا در تمام ویژگی های مورد مطالعه قابل پیگیری هستند.

Keywords:

تحلیل شبکه های اجتماعی , سلامت روان الکترونیک , سیستم های تصمیم یار بالینی