BriefGPT - AI 论文速递
·
分析不同被动采集数据对于预测压力和抑郁的贡献
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
本研究使用Whispter工具和BERTopic模型从智能手机采集的语音记录中鉴定出29个话题，其中6个话题中PHQ-8中值大于等于10被视为抑郁风险话题。通过比较识别到的话题之间的行为和语言特征，揭示了话题的产生及其与抑郁症的关联。研究发现特定的语音话题可能会指示抑郁症的严重程度，提供了一种在真实环境中收集和分析大规模语音数据的实用方法，可用于数字健康研究。
🎯
关键要点
- 本研究使用Whispter工具和BERTopic模型从265名参与者的3919个语音记录中鉴定出29个话题。
- 六个话题中PHQ-8中值大于等于10被视为抑郁风险话题，包括无期望、睡眠、心理疗法、剪发、学习和课程作业。
- 研究比较了话题之间的行为和语言特征，揭示了话题的产生及其与抑郁症的关联。
- 长期监测语言使用的重要性通过调查话题转变与抑郁症严重程度变化的关系得以证明。
- 在较小的数据集上测试BERTopic模型获得了一些一致的结果，表明特定语音话题可能指示抑郁症的严重程度。
- 所呈现的数据驱动工作流为在真实环境中收集和分析大规模语音数据提供了实用方法，适用于数字健康研究。
🏷️
标签
➡️
