Методика кучера выявление суицидального риска: Выявление суицидального риска у детей (А.А.Кучер, В.П.Костюкевич)
| Выявление суицидального риска у детей (А.А.Кучер, В.П.Костюкевич) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Психодиагностика психолога в школе — Диагностика эмоциональной и личностной сферы | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Цель: исследование аутоагрессивных тенденций и факторов, формирующих суицидальные намерения у учащихся 5-11 классов. Объект: учащиеся 5- 11 класса Форма проведения: индивидуальная и групповая.
Внимание ребенка сосредотачивается на тесте, цель которого вуалируется как определение интеллектуальных способностей ребенка. Ребенку зачитываются выражения, его задача соотнести их с соответствующими колонками заранее подготовленной таблицы в бланке ответа. На обдумывание внутреннего смысла выражения и определение темы его содержания отводится 5-7 секунд. 1. Выкормил змейку на свою шейку. 21. В тесноте, да не в обиде. 22. Гора с горою не сойдется, а человек с человеком столкнется. 23. Жизнь надокучила, а к смерти не привыкнуть. 24. Болячка мала, да болезнь велика. 25. Не жаль вина, а жаль ума. 26. Вволю наешься, да вволю не наживешься. 27. Жизнь прожить — что море переплыть: побарахтаешься, да и ко дну. 28. Всякий родится, да не всякий в люди годится. 29. Других не суди, на себя погляди. 30. Хорошо тому жить, кому не о чем судить. 31. Живет — не живет, а проживать — проживает. 32. Все вдруг пропало, как внешний лед. 33. Без копейки рубль щербатый. 34. Без осанки и конь корова. 35. Не место красит человека, а человек — место. 36. Болезнь человека не красит. 37. Влетел орлом, а прилетел голубем. 38. Хорошо тому щеголять, у кого денежки звенят. 39. В уборке и пень хорош. 41. Нашла коса на камень. 42. Нелады да свары хуже пожара. 43.  Заплати грош, да посади в рожь — вот будет хорош!44. Кто солому покупает, а кто и сено продает. 45. Седина бобра не портит. 46. Бешеному дитяти ножа не давати. 47. Не годы старят, а жизнь. 48. В долгах как в шелках. 49. Бранись, а на мир слово оставляй. 50. Зеленый седому не указ. 51. А нам что черт, что батька. 52. Моя хата с краю, ничего не знаю. 53. Лежачего не бьют. 54. Что в лоб, что по лбу — все едино. 55. Все люди как люди, а ты шиш на блюде. 56. Ученье свет, а не ученье — тьма. 57. И медведь из запасу лапу сосет. 58. Жирен кот, коль мясо не жрет. 59. Выношенная шуба не греет. 60. Совесть спать не дает. 61. Вали с больной головы на здоровую. 62. Мал, да глуп — за то и бьют. 63. Не в бороде честь — борода и козла есть. 64. Одно золото не стареется. 65. Наш пострел везде поспел. 66. Муху бьют за назойливость. 67. Надоел горше горькой редки. 68. Живет на широкую ногу.  69. Легка ноша на чужом плече. 70. Не в свои сани не садись. 71. Чужая одежда — не надежда. 72. Высоко летаешь, да низко садишься. 73. Двум господам не служат. 74. Мягко стелет, да твердо спать. 75. За одного битого двух небитых дают. 76. За худые дела слетит и голова. 77. Говорить умеет, да не смеет. 78. Кто до денег охоч, тот не спит и всю ночь. 79. Кабы не дырка во рту, так бы в золоте ходил. 80. Красив в строю, силен в бою. 81. Гори все синим пламенем. 82. Бараны умеют жить: у них самая паршивая овца в каракуле ходит. 83. Если все время мыслить, то на что же существовать. 84. На птичьих правах высоко взлетишь. Бланк ответов
Обработка результатовПосле заполнения бланка подсчитывается количество отметок в каждой колонке. Таблица № 1 (мальчики 5-7 класс)
* Правая граница числового интервала дается исключительно Таблица № 2 (девочки 5-7 класс)
* Правая граница числового интервала дается исключительно Таблица № 3 (мальчики 8-9 класс)
* Правая граница числового интервала дается исключительно Таблица № 4 (девочки 8-9 класс)
* Правая граница числового интервала дается исключительно Таблица № 5 (мальчики 10-11 класс)
* Правая граница числового интервала дается исключительно
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Ответы интерпретируются на основе таблиц 1-6. О наличии суицидального риска свидетельствует результат, полученный в колонке «Добровольный уход из жизни». Результаты, полученные по остальным показателям, дают информацию о других факторах суицидального риска как о стрессогенных проблемах, влияющих на состояние психологического комфорта подростка.
Если результат колонки «Добровольный уход из жизни» меньше представленных в интерпретационной таблице показателей, то это означает, что риск суицидального поведения невысок, но при этом можно судить о других факторах, представленных в остальных колонках, как о стрессогенных проблемах, влияющих на состояние психологического комфорта подростка.srd — Психологическая диагностика
|
В целях определения социально-психологического отношения к суицидаль-
ным действиям немаловажно тактично, не акцентируя особого внимания на воп-
росы, выяснить мнение ребенка по поводу высказываний о смысле жизни и
смерти.
Перечень некоторых высказываний, положительное отношение к которым
говорит об отсутствии в мировоззрении подростка активных антисуицидальных
позиций:
можно оправдать людей, выбравших добровольную смерть;
я не осуждаю людей, которые совершают попытки уйти из жизни;
выбор добровольной смерти человеком в обычной жизни, безусловно, мо-
жет быть оправдан;
я понимаю людей, которые не хотят жить дальше, если их предают родные
и близкие.
Инструкция:
Внимание ребенка сосредотачивается на тесте, цель которого вуалирует-
ся как определение интеллектуальных способностей ребенка.
Ребенку зачиты-
ваются выражения, его задача соотнести их с соответствующими колонками за-
ранее подготовленной таблицы в бланке ответа. На обдумывание внутреннего
смысла выражения и определение темы его содержания отводится 5-7 секунд.
Если ребенок не может отнести услышанное выражение к какой-либо теме, он
его пропускает. Убедившись, что ребенок готов к работе, приступите к чте-
нию высказываний.
Бланк ответов.
Поставьте "+" в графу с темой услышанного высказывания.
Темы:
1. Алкоголь, наркотики.
2. Несчастная любовь.
3. Противоправные действия.
4. Деньги и проблемы с ними.
5.
Добровольный уход из жизни.
6. Семейные неурядицы.
7. Потеря смысла жизни.
8. Чувство неполноценности, ущербности, уродливости.
9. Школьные проблемы, проблема выбора жизненного пути.
10. Отношения с окружающими.
Обработка результатов.
После заполнения бланка подсчитывается количество отметок в каждой
колонке. Ответы интерпретируются на основе 6 таблиц (мальчики и девочки 5,
б, 7 класс). О наличии суицидального риска свидетельствует результат, по-
лученный в колонке "Добровольный уход из жизни". Результаты, полученные по
остальным показателям, дают информацию о других факторах суицидального
риска как о стрессогенных проблемах, влияющих на состояние психологическо-
го комфорта подростка.
Если результат колонки "Добровольный уход из жизни" меньше представ-
ленных в интерпретационной таблице показателей, то это означает, что риск
суицидального поведения невысок, но при этом можно судить о других факто-
рах, представленных в остальных колонках, как о стрессогенных проблемах,
влияющих на состояние психологического комфорта подростка.
ПРИМЕР ТЕСТИРОВАНИЯ:
---
ПСИХОЛОГИЧЕСКАЯ ДИАГНОСТИКА.
Методика: Диагностика суицидального риска у детей.
Ф.И.О: ___________________
Доп. данные:______________
Диаграмма:
1.
╟─▒▒▒▒▒▒▒▒▒▓▓───────────────────────────────────╢>
2. ╟─▒▒▒───────────────────────────────────────────╢>
3. ╟─▒▒▒▒▒▒▒▒──────────────────────────────────────╢>
4. ╟─▒▒▒▒▒▒▒▒▒▒▒▒▒▒────────────────────────────────╢>
5. ╟─▒─────────────────────────────────────────────╢>
6. ╟─▒▒▒▒▒▒▒▒▒─────────────────────────────────────╢>
7. ╟─▒▒▒▒▒▒▒▒▒▒▓▓███───────────────────────────────╢>
8. ╟─▒▒▒▒▒▒────────────────────────────────────────╢>
9. ╟─▒─────────────────────────────────────────────╢>
10. ╟─▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▓▓▓▓▓██─────────────────────╢>
[0] ├────────[10]──────[20]──────[30]──────[40]──>>> [85]
Тестовые показатели:
1. Алкоголь, наркотики - АН = 11 +
2.
Несчастная любовь - НЛ = 3
3. Противоправные действия - ПД = 8
4. Деньги и проблемы с ними - ДП = 14
5. Добровольный уход из жизни - ДУ = 1
6. Семейные неурядицы - СН = 9
7. Потеря смысла жизни - ПС = 15 !
8. Чувство неполноценности,
ущербности, уродливости - ЧН = 6
9. Школьные проблемы,
проблема выбора жизненного пути - ШП = 1
10. Отношения с окружающими - ОО = 25 !
ИНТЕРПРЕТАЦИЯ:
Алкоголь, наркотики:
требуется особое внимание.
Несчастная любовь:
низкий уровень или отсутствие стрессогенной проблемы.
Противоправные действия:
низкий уровень или отсутствие стрессогенной проблемы.
Деньги и проблемы с ними:
низкий уровень или отсутствие стрессогенной проблемы.
Добровольный уход из жизни:
низкий уровень или отсутствие стрессогенной проблемы.
Семейные неурядицы:
низкий уровень или отсутствие стрессогенной проблемы.
Потеря смысла жизни:
требуется формирование антисуицидальных факторов.
Чувство неполноценности, ущербности, уродливости:
низкий уровень или отсутствие стрессогенной проблемы.
Школьные проблемы, проблема выбора жизненного пути:
низкий уровень или отсутствие стрессогенной проблемы.
Отношения с окружающими:
требуется формирование антисуицидальных факторов.
---
Оценка cуицидального риска по фактору
"Добровольный уход из жизни":
низкий или отстутствует.
Оценка риска самоубийства с использованием машинного обучения и социальных сетей: предварительный обзор
1. Всемирная организация здравоохранения: ВОЗ | Данные о самоубийствах, http://www.who.int/mental_health/prevention/suicide/suicideprevent/en/, последний доступ 22 июля 2020 г.
2. Франко-Мартин, М.А., Муньос-Санчес, Х.Л., Сайнс-де-Абахо, Б., Кастильо-Санчес, Г., Хамриуи, С., и де ла Торре-Диес, И., Систематическая литература обзор технологий профилактики суицидального поведения. J. Med. Сист. 2018. 10.1007/с10916-018-0926-5. [PubMed]
3. Instituto Nacional de Estadistica: España en cifras 2017, 2017.
4. Турецки Г., Брент Д.А., Ганнелл Д., О’Коннор Р.К., Окендо М.А., Пиркис Дж. ., и Стэнли, Б.Х., Самоубийство и суицидальный риск. Нац. Преподобный Дис. Грунтовки. 5, 1–22 2019. [PubMed]
5. Ченг, А.Т.А., Чен, Т.Х.Х., Чен, К.С., и Дженкинс, Р.: Психосоциальные и психиатрические факторы риска самоубийства: исследование психологической аутопсии методом случай-контроль. руб. Дж. Психиатрия 177, 360–365 (2000). 10.1192/bjp.177.4.360. [PubMed]
6. Нилман Дж., Де Грааф Р. и Воллеберг В. Суицидальный процесс; проспективное сравнение ранних и поздних стадий. Дж. Аффект. Беспорядок. 82, 43–52 2004.
10.1016/j.jad.2003.09.005. [PubMed]
7. Нилман, Дж.: Помимо теории риска: суицидальное поведение в его социальном и эпидемиологическом контексте. Кризис . 23, 114–20 2002. 10.1027//0227-5910.23.3.114. [PubMed]
8. Рой, А. Взаимодействие генов и окружающей среды и суицидальное поведение. 2012.
9. Регер М.А., Стэнли И.Х. и Джойнер Т.Е. Смертность от самоубийств и коронавирусная болезнь в 2019 г. — идеальный шторм? JAMA Психиатрия . 10.1001/jamapsychiatry.2020.1060. 2020. [PubMed]
10. Лю Ю., Цао Л., Ли X., Цзя Ю. и Ся Х.: Осведомленность о проблемах психического здоровья у пациентов с коронавирусной болезнью 19 (COVID-19). ): урок от взрослого мужчины, пытающегося покончить с собой. Азиатский J. Психиатр . 2020. [Бесплатная статья PMC] [PubMed]
11. Галеа С., Мерчант Р.М. и Лурье Н.: Последствия COVID-19 для психического здоровья.и «Физическое дистанцирование: необходимость профилактики и раннего вмешательства», 2020 г.
10.1001/jamainternmed.2020.1562. [PubMed]
12. Манникс Р., Ли Л.К. и Флеглер Э.В., Коронавирусная болезнь 2019 г. (COVID-19) и огнестрельное оружие в Соединенных Штатах: последует ли эпидемия самоубийств? Энн. Стажер Мед. 2020. 10.7326/м20-1678. [PubMed]
13. Смит К., Остинелли Э. и Сиприани А., Covid-19 и психическое здоровье: трансформационная возможность применить научно обоснованный подход к клинической практике и исследованиям, 2020 г. 10.1136/ ebmental-2020-300155. [ПубМед]
14. Терпос, Э., Энгельхардт, М., Кук, Г., Гей, Ф., Матеос, М.-В., Нтанасис-Статопулос, И., ван де Донк, N.W.C.J., Авет-Луазо, Х. ., Хайек Р., Вангстед А.Дж., Людвиг Х., Цвигман С., Моро П., Эйнселе Х., Боккадоро М., Сан Мигель Дж., Димопулос М.А. и Сонневельд П. .: Ведение пациентов с множественной миеломой в эпоху пандемии COVID-19: консенсусный документ Европейской сети по миеломе (EMN). Лейкемия . 2020. 10.1038/с41375-020-0876-з. [Бесплатная статья PMC] [PubMed]
15.
Джордано Г., Бланкини Ф., Бруно Р., Коланери П., Ди Филиппо А., Ди Маттео А. и Коланери М. Моделирование эпидемии COVID-19 и реализация общепопуляционных вмешательств в Италии. Нац. Мед. 2020. 10.1038/s41591-020-0883-7. [Бесплатная статья PMC] [PubMed]
16. Уэст Р., Мичи С., Рубин Г.Дж. и Амлот Р. Применение принципов изменения поведения для снижения передачи SARS-CoV-2. Нац. Гум. Поведение . 4, 451–459 2020. 10.1038/s41562-020-0887-9. [PubMed]
17. Ли С.М., Канг В.С., Чо А.Р., Ким Т. и Парк Дж.К. Психологическое воздействие вспышки БВРС 2015 года на работников больниц и находящихся на карантине пациентов, находящихся на гемодиализе. Компр. Психиатрия 87, 123–127 2018. 10.1016/j.comppsych.2018.10.003. [Бесплатная статья PMC] [PubMed]
18. Муньос-Санчес, Х.-Л., Дельгадо, К., Санчес-Прада, А., Перес-Лопес, М., и Франко-Мартин, М.А., Использование Новые технологии в предотвращении самоубийств в Европе: предварительное исследование. JMIR Психическое здоровье.
4, e23 2017. 10.2196/mental.7716. [Бесплатная статья PMC] [PubMed]
19. Чжэн Л., Ван О., Хао С., Е Ц., Лю М., Ся М., Сабо А.Н., Маркович Л. , Стернс Ф., Канов Л., Сильвестр К.Г., Уиден Э., МакЭлхинни Д.Б., Чжан В., Ляо Дж. и Линг К.Б., Разработка системы раннего предупреждения для пациентов за попытку самоубийства с использованием глубокого обучения и электронных медицинских карт. Перевод. Психиатрия 10, 72 2020. 10.1038/s41398-020-0684-2. [Бесплатная статья PMC] [PubMed]
20. Мюллер Э. и Перес Р. Влияние структуры социальных сетей на эффективность инноваций: обзор и направления исследований. Междунар. Дж. Рез. Отметка. 36, 3–19 2019.
21. Ким Дж. и Хастак М. Анализ социальных сетей: характеристики социальных сетей после стихийного бедствия. Междунар. Дж. Инф. Управление 38, 86–96 2018.
22. ДельПосо-Банос, М., Джон, А., Петков, Н., Берридж, Д.М., Южный, К., Ллойд, К., Джонс, К., Спенсер, С., и Травьезо, К.М. Использование нейронных сетей с обычными медицинскими записями для определения риска самоубийства: технико-экономическое обоснование.
JMIR Психическое здоровье. 5, e10144 2018. [Бесплатная статья PMC] [PubMed]
23. Фрей, Л.М., Ганс, Дж.Д., и Церел, Дж., Восприятие стигмы самоубийства: как сравниваются социальные сети и поставщики медицинских услуг? Кризис: Журнал кризисного вмешательства и предотвращения самоубийств. 37, 95 2016. [PubMed]
24. Тороус, Дж., Ларсен, М.Е., Депп, К., Коско, Т.Д., Барнетт, И., Нок, М.К., и Ферт, Дж., Смартфоны, датчики, и машинное обучение для улучшения прогнозирования в реальном времени и вмешательств по предотвращению самоубийств: обзор текущего прогресса и следующих шагов. Курс. Psychiatry Rep. 20, 51 2018. [PubMed]
25. Sawhney, R., Manchanda, P., Mathur, P., Shah, R. и Singh, R., Изучение и изучение коннотаций суицидальных мыслей в социальных сетях. СМИ с глубоким обучением. Представлено на материалах 9-го семинара по вычислительным подходам к анализу субъективности, настроений и социальных сетей, 2018 г.
Подход к обучению для автоматической классификации сообщений о потенциальном самоубийстве в социальных сетях.
Труды — Международная конференция Чилийского общества компьютерных наук, SCCC. 2019. 10.1109/SCCC49216.2019.8966443.
27. Олсон, Р.С., Ла Кава, В., Мустасан, З., Варик, А., и Мур, Д.Х. Рекомендации по применению машинного обучения для решения задач биоинформатики на основе данных. Препринт arXiv arXiv: 1708.05070. 2017. [Бесплатная статья PMC] [PubMed]
28. Гунчар Г., Кукар М., Нотар М., Брвар М., Чернельч П., Нотар М. и Нотар М., Применение машинного обучения к гематологической диагностике. науч. Rep. 8, 1–12 2018. [Бесплатная статья PMC] [PubMed]
29. Шарма, М., Шарма, С., и Сингх, Г., Анализ эффективности статистических и контролируемых методов обучения в интеллектуальном анализе данных. Данные. 3, 54 2018.
30. Нгиам К.Ю. и Хор И.В. Алгоритмы больших данных и машинного обучения для оказания медицинской помощи. Ланцет Онкол . 20, e262–e273 2019. 10.1016/S1470-2045(19)30149-4. [PubMed]
31. Куру К., Экзархос Т.П.
, Экзархос К.П., Карамузис М.В. и Фотиадис Д.И. Применение машинного обучения в прогнозировании и прогнозировании рака. Вычисл. Структура Биотехнолог. J. 13, 8–17 2015. [Бесплатная статья PMC] [PubMed]
32. Гаутам Р. и Шарма М. Распространенность и диагностика неврологических расстройств с использованием различных методов глубокого обучения: метаанализ. J. Med. Сист. 44, 49 2020. [PubMed]
33. Каур, П., и Шарма, М.: Диагностика психологических расстройств человека с использованием контролируемого обучения и компьютерных методов, вдохновленных природой: метаанализ. J. Med. Сист. 43, 204 2019. [PubMed]
34. Ската М., Ди Стефано А., Ла Корте А. и Лио П. Количественная оценка распространения дистресса и психических расстройств в социальных сетях. науч. Rep. 8, 1–12 2018. [Бесплатная статья PMC] [PubMed]
35. Аркси Х. и О’Мэлли Л. Предварительные исследования: на пути к методологической основе. Междунар. Дж. Соц.
Рез. Методол. Теория Практика. 8, 19–32 2005. 10.1080/1364557032000119616.
36. Трикко, А.С., Лилли, Э., Зарин, В., О’Брайен, К.К., Колкухун, Х., Левак, Д., Мохер, Д., Питерс, М.Д.Дж., Хорсли, Т., Уикс, Л., Хемпель С., Акл Э.А., Чанг С., Макгоуэн Дж., Стюарт Л., Хартлинг Л., Олдкрофт А., Уилсон М.Г., Гэрритти С., Левин С. , Годфри, К.М., Макдональд, М.Т., Ланглуа, Э.В., Соарес-Вайзер, К., Мориарти, Дж., Клиффорд, Т., Тунсалп, О., и Штраус, С.Э., Расширение PRISMA для обзора объема работ (PRISMA-ScR) : Контрольный список и объяснение. Энн. Стажер Мед.. 169, 467 2018. 10.7326/М18-0850. [PubMed]
37. Луо В., Фунг Д., Тран Т., Гупта С., Рана С., Кармакар С., Шилтон А., Йервуд Дж., Димитрова Н. ., Хо, Т.Б., Венкатеш, С. и Берк, М., Руководящие принципы по разработке и составлению прогнозных моделей машинного обучения в биомедицинских исследованиях: мультидисциплинарный взгляд. J. Med. Интернет Res . 18, 1–10 2016. 10.2196/jmir.5870. [Бесплатная статья PMC] [PubMed]
38.
Гонсалес-Эрнандес Г., Саркер А., О’Коннор К. и Савова Г. Захват точки зрения пациента: обзор достижений в обработке естественного языка текста о здоровье. Ежегодник медицинской информатики . 26, 214–227 2017. 10.15265/IY-2017-029. [Бесплатная статья PMC] [PubMed]
39. Десмет Б. и Хосте В. Обнаружение эмоций в предсмертных записках. Эксперт Сист. заявл. 40, 6351–6358 2013. 10.1016/j.eswa.2013.05.050.
40. Джиндал, С., и Шарма, К., намерены анализировать каналы социальных сетей, чтобы выявить поведенческие тенденции людей, чтобы активно действовать против социальных угроз. Проц. вычисл. науч. 132, 218–225 2018. 10.1016/j.procs.2018.05.191.
41. Кавазос-Рег, П.А., Краусс, М.Дж., Соулз, С., Коннолли, С., Росас, К., Бхарадвадж, М. и Бирут, Л.Дж., Контент-анализ твитов, связанных с депрессией. Вычисл. Гум. Поведение 54, 351–357 2016. 10.1016/ж.чб.2015.08.023. [Бесплатная статья PMC] [PubMed]
42. Амбалаван А.К., Мулахи Б.
, Азе Дж., Брингей С. Раскрытие суицидального поведения в Интернете: что мы можем узнать о психическом здоровье от переживших самоубийство на Reddit? Стад. Технологии здоровья. Поставить в известность. 2019;264:50–54. дои: 10.3233/SHTI1. [PubMed] [CrossRef] [Google Scholar]
43. Бирджали М., Бени-Хсане А. и Эрритали М., Алгоритмы машинного обучения и семантического анализа настроений для прогнозирования суицидальных настроений в социальных сетях. 8-я Международная конференция по новым вездесущим системам и всепроникающим сетям (EUSPN 2017). 113, 65–72, 2017. 10.1016/j.procs.2017.08.290.
44. Бернап П., Коломбо Г., Амери Р., Ходорог А. и Скурфилд Дж., Многоклассовая машинная классификация связи, связанной с самоубийством, в Твиттере. Интернет-социальные сети и СМИ. 2, 32–44 2017. 10.1016/j.osnem.2017.08.001. [Бесплатная статья PMC] [PubMed]
45. Чирома Ф., Лю Х. и Кокеа М.: Классификация текста, связанного с самоубийством, с помощью призменного алгоритма.
Материалы Международной конференции по машинному обучению и кибернетике 2018 года. 2018.
46. Десмет Б. и Хосте В.: Предотвращение самоубийств в Интернете с помощью оптимизированной текстовой классификации. Инф. науч. 439–440, 61–78 2018. 10.1016/j.ins.2018.02.014.
47. Du, J., Zhang, Y., Luo, J., Jia, Y., Wei, Q., Tao, C. и Xu, H.: Извлечение психиатрических стрессоров для самоубийства из социальных сетей с использованием глубоких обучение. Медицинская информация BMC. Реш. Мак . 18, 77–87 2018. 10.1186/s12911-018-0632-8. [Бесплатная статья PMC] [PubMed]
48. Фоде, С., Ли, Т., Менчински, К., Бургетт, Т., Харрис, А., Илита, Г., Рао, С., Геммелл, Дж. ., и Райку Д.: Использование алгоритмов машинного обучения для выявления факторов риска самоубийства в Твиттере. Международная конференция IEEE по семинарам по интеллектуальному анализу данных, ICDMW. 941–948, 2019. 10.1109/ICDMW.2019.00137.
49. Грант Р.Н., Кучер Д., Леон А.М., Геммелл Дж.
Ф., Райку Д.С. и Фодех С.Дж. Автоматическое извлечение неформальных тем из суицидальных мыслей в Интернете. Биоинформатика BMC. 19, 57–66 2018. 10.1186/s12859-018-2197-z. [Бесплатная статья PMC] [PubMed]
50. Юнг, Х., Парк, Х.А., и Сонг, Т.М., Основанный на онтологии подход к анализу настроений в социальных данных: обнаружение сигналов подростковой депрессии. J. Med. Интернет Res . 19, 2017. 10.2196/жмир.7452. [Бесплатная статья PMC] [PubMed]
51. Liu, X., Liu, X., Sun, J., Yu, N.X., Sun, B., Li, Q. и Zhu, T., Упреждающее предотвращение самоубийств. онлайн (PSPO): Машинная идентификация и кризисное управление для китайских пользователей социальных сетей с суицидальными мыслями и поведением. J. Med. Интернет Рез. 21, 2019. 10.2196/11705. [Бесплатная статья PMC] [PubMed]
52. О’Ди, Б., Ван, С., Баттерхэм, П.Дж., Калеар, А.Л., Пэрис, К., и Кристенсен, Х., Обнаружение суицидальных наклонностей в твиттере. Интернет-интерв. 2, 183–188 2015.
10.1016/j.invent.2015.03.005.
53. Сони Р., Шах Р.Р., Бхатиа В., Лин С.Т., Аггарвал С. и Прасад М. Изучение влияния выбора признаков на основе эволюционных вычислений при обнаружении суицидальных мыслей. Международная конференция IEEE по нечетким системам. 2019. 10.1109/FUZZ-IEEE.2019.8858989.
54. Шахрин Н., Субхани М. и Махфузур Рахман М. Анализ суицидальных тенденций в Твиттере с использованием машинного обучения и нейронной сети. 2018 Международная конференция по обработке речи и языка Bangla, ICBSLP 2018. 2018. 10.1109/ICBSLP.2018.8554733.
55. Сунь X., Чжан С. и Ли Л. Моделирование динамических эмоций и обнаружение аномалий в разговоре на основе тензора эмоционального перехода. Инф. Фьюжн . 46, 11–22 2019. 10.1016/j.inffus.2018.04.001.
56. Чжан Л., Хуанг С., Лю Т., Ли А., Чен З., Чжу Т.: Использование лингвистических признаков для оценки вероятности самоубийства китайских пользователей микроблогов. Конспект лекций по информатике. 8944, 549–559 (2015).
10.1007/978-3-319-15554-8.
57. Краут, Р., Олсон, Дж., Банаджи, М., Брукман, А., Коэн, Дж., и Купер, М., Психологические исследования в Интернете: отчет Консультативной группы Совета по научным вопросам о Проведение исследований в Интернете. Американский психолог. 59, 105–117, 2004. 10.1037/0003-066X.59.2.105. [PubMed]
58. Денеке К. Извлечение информации из медицинских социальных сетей. В: Медицинская веб-наука. стр. 61–73. Чам: Springer International Publishing, 2015. 10.1007/978-3-319-20582-3_8.
59. Гохил С., Вуйк С. и Дарзи А. Анализ настроений в твитах о здравоохранении: обзор используемых методов. Надзор за общественным здравоохранением JMIR. 4, e43 2018. 10.2196/publichealth.5789. [Бесплатная статья PMC] [PubMed]
60. Денеке К., Габаррон Э., Грейнджер Р., Константинидис С.Т., Лау А., Ривера-Ромеро О., Мирон-Шац, Т. и Меролли М., Искусственный интеллект для совместного здравоохранения: применение, влияние и будущие последствия: вклад рабочей группы IMIA по совместному здравоохранению и социальным сетям.
Годб Мед Информ . 28, 165–173 2019. 10.1055/s-0039-1677902. [Бесплатная статья PMC] [PubMed]
61. Ривера-Ромеро, О., Константинидис, С., Денеке, К., Габаррон, Э., Петерсен, К., Хауш, М., Меролли, М., и Майер, М.А., Этические аспекты совместного здравоохранения через социальные сети: перспективы медицинских работников и политиков: вклад рабочей группы IMIA по совместному здравоохранению и социальным сетям. Годб Мед Информ. с-0040-1701981, 2020. 10.1055/с-0040-1701981. [Бесплатная статья PMC] [PubMed]
62. Пурманд А., Роберсон Дж., Каджиула А., Монсальве Н., Рахими М. и Торрес-Лленца В. Социальные сети и самоубийство: обзор основанных на технологиях эпидемиологии и оценка риска. Телемедицина и электронное здравоохранение . 25, 880–888 2019. 10.1089/tmj.2018.0203. [PubMed]
[PDF] Автоматическое извлечение неформальных тем из суицидальных мыслей в Интернете
- title={Автоматическое извлечение неформальных тем из суицидальных мыслей в Интернете},
автор = {Рейли Грант, Дэвид Кучер, Ана М.
Леон, Джонатан Ф. Геммелл, Даниэла Стэн Райку и Самах Джамал Фодех},
журнал = {Биоинформатика BMC},
год = {2018},
громкость = {19}
} - Reilly Grant, David Kucher, S. Fodeh
- Опубликовано 1 июня 2018 г.
- Информатика, психология
- BMC Bioinformatics
ПредысторияСамоубийства — это тревожное число смертей, связанных с общественным здравоохранением, ежегодно вызывающих тревогу во всем мире. Многие люди думают о самоубийстве. Понимание атрибутов, характеристик и воздействий, связанных с самоубийством, остается актуальной и серьезной проблемой. По мере того, как сайты социальных сетей стали более распространенными, пользователи использовали эти сайты для обсуждения очень личных тем, в том числе своих мыслей о самоубийстве. Такие данные ранее оценивались…
Просмотр на Springer
people.cs.umass.eduСравнение автоматически извлекаемых тем из онлайн-суицидальных мыслей и ответов, которые они вызывают
- Элиза Глейзер, Алекс Морейн, Джонатан Ф. Геммелл, Д. Райку
Психология, компьютер Science
SAC
- 2020
В этой работе используются инструменты обработки естественного языка для автоматического извлечения неформальных тем в сообщениях, обсуждающих суицидальные мысли, и ответов на эти сообщения, демонстрируя, что часто встречающиеся темы в сообщениях представляют собой психиатрически определенные факторы риска самоубийства.
Machine Learning Based Approach For Prediction Of Suicide Related Activity
- Hemali Patel, N. Soni
Psychology, Computer Science
2021 2nd International Conference on Smart Electronics and Communication (ICOSEC)
- 2021
Suicidal Идеация является серьезной проблемой общественного здравоохранения, которая ежегодно убивает большое количество людей во всем мире. Каждый год более 800 000 человек совершают самоубийство во всем мире.
Как их…Использование Reddit для обнаружения суицидальных мыслей: обзор методов машинного обучения и обработки естественного языка
Самоубийство является серьезной проблемой общественного здравоохранения, которая существует практически во всех частях мира. Ежегодно сотни тысяч людей кончают жизнь самоубийством. Раннее выявление суицидальных мыслей — это…
Эксперты по оценке суицидальных мыслей в провинциях Канады, использующие инструменты машинного обучения в социальных сетях. выборка пользователей Twitter, репрезентативная для населения Канады.
Предсказание активности, связанной с самоубийством, в Твиттере на основе гибридных функций
В этом исследовании были удалены случайные неактивные субъекты из онлайн-твиттера о жизни в Интернете и сообщения саморазрушительных идей, а также использовалась модель n-грамм, которая представляет собой смесь Unigram, Bigram и Trigram.
со ссылкой на слово-полукровка для подсчета очков, используя случайные баллы, чтобы предвидеть серьезность сообщений с использованием алгоритмов машинного обучения.Выявление и характеристика тенденций в онлайн-дискуссиях по вопросам психического здоровья
В ходе этой работы были собраны данные с нескольких форумов по психическому здоровью на популярном веб-сайте социальных сетей Reddit и изучены тенденции этих тем с 2012 по 2018 год. Было обнаружено, что темы с положительными словами используются реже, а темы с негативными коннотациями становятся все более популярными. часто используемый.
Факторы риска самоубийства: подход к языковому анализу в социальных сетях
Самоубийство представляет собой проблему общественного здравоохранения, требующую новых превентивных стратегий. Поэтому в этом исследовании анализируются различия в использовании языка между группой тематических постов (суицид и депрессия) и…
Выявление депрессии и тревоги по данным сообщений в блогах
- Ye. О. Тищенко
Информатика
- 2018
Скрытые темы, обнаруженные в собранных данных, проверяются для анализа содержания блога в соответствии с темами, затронутыми авторами блога, и различными методами кодирования текста, такими как Bag-of-Words ( BOW), термин «частотно-обратная частота документа» (TFIDF) и особенности тематической модели.
Характеристика изменяющейся во времени и неизменной во времени оценки суицидальных наклонностей на Reddit с использованием C-SSRS
- Манас Гаур, В. Арибанди, А. Шет
Психология
PloS one
- 2021
Эта работа разрабатывает алгоритмы глубокого обучения на основе данных Reddit о серьезности и риске самоубийства во времени Колумбийской шкале оценки тяжести суицида (C-SSRS) и предполагает, что меняющийся во времени подход превосходит неизменный во времени метод в оценке связанных с самоубийством идей и поддерживающего поведения.
Лингвистические особенности суицидальных мыслей и поведения: систематический обзор.
- S. Homan, Marion Gabi, B. Kleim
Психология, лингвистика
Обзор клинической психологии
- 2022
, показы Использование языка в социальных сетях
- Глен А. Копперсмит, Райан Лири, Эрик Уайн
Информатика, психология
- 2015
В этом исследовании изучаются поддающиеся количественной оценке сигналы, связанные с попытками самоубийства и суицидальными мыслями, на языке данных социальных сетей, и применяются простые методы языкового моделирования для автоматического разделения пользователей, а также исследуется, какие поддающиеся количественной оценке сигналы позволяют им функционировать, привязывая их к психометрически подтвержденным концепциям, связанным с к Самоубийству.
Язык проблем психического здоровья в социальных сетях
- Г. Гкоцис, А. Элрих, Р. Датта
Психология
CLPsych@HLT-NAACL
- 2016
Язык сообщений Reddit, относящихся к психическому здоровью, исследуется, чтобы определить лингвистические характеристики, которые могут быть полезны для дальнейших приложений, и продемонстрировать, что существуют также словари для конкретных состояний, используемые в социальные сети, чтобы сообщать о конкретных расстройствах.
Обнаружение сдвигов к суицидальным мыслям из материалов о психическом здоровье в социальных сетях
- М. Чоудхури, Эмре Кичиман, Марк Дредзе, Глен А. Копперсмит, Мринал Кумар
Психология
ОМС
- 2016
В этом документе разработана статистическая методология, позволяющая сделать вывод о том, какие люди могут подвергнуться переходу от рассуждений о психическом здоровье к суицидальным мыслям, и используются полуанонимные сообщества поддержки на Reddit в качестве ненавязчивых источников данных.
вероятность этих сдвигов.Прогнозирование депрессии с помощью социальных сетей
- М. Чоудхури, Майкл Гэймон, Скотт Каунтс, Э. Хорвиц
Психология
ICWSM
- 2013
Обнаружено, что социальные сети содержат полезные сигналы для характеристики начала депрессии у людей, что измеряется снижением социальной активности, усилением медицинские проблемы и более выраженное религиозное участие.
Обнаружение изменений в содержании самоубийств, проявляющихся в социальных сетях после самоубийств знаменитостей
- Мринал Кумар, Марк Дредзе, Глен А. Копперсмит, М. Чоудхури
Психология
HT
- 2015
- 2015
Леон, Джонатан Ф. Геммелл, Даниэла Стэн Райку и Самах Джамал Фодех},
журнал = {Биоинформатика BMC},
год = {2018},
громкость = {19}
} 
Геммелл, Д. Райку
Как их…
со ссылкой на слово-полукровка для подсчета очков, используя случайные баллы, чтобы предвидеть серьезность сообщений с использованием алгоритмов машинного обучения.
О. Тищенко
Гкоцис, А. Элрих, Р. Датта
вероятность этих сдвигов. Выводы о распространенности онлайн-платформы Redit/Werdicide: что контент после самоубийства знаменитостей, скорее всего, будет сфокусирован на себе, продемонстрирует снижение социальных проблем и будет обременен большей тревогой, гневом и негативными эмоциями.
Исследовательский анализ социальных сетей перед попыткой самоубийства
- Глен А. Копперсмит, Ким Нго, Райан Лири, А. Вуд
Психология
Clpsych@hlt-naacl
- 2016
Tragilly, по оценкам, 42000 Amerians 2016. влияет на друзей и семью. Доступно очень мало данных и информации о людях, которые пытаются…
Проверка алгоритмов машинного обучения для данных Twitter против установленных мер суицидального поведения0223 Scott R. Braithwaite, C. Giraud-Carrier, J. West, Michael D. Barnes, C. Hanson
Психология, медицина
JMIR психическое здоровье
с высоким суицидальным риском можно легко дифференцировать от тех, у кого его нет, с помощью алгоритмов машинного обучения, которые точно определяют клинически значимую суицидальную частоту в 92% случаев.
Отслеживание факторов риска самоубийства через Twitter в США.
- Дж. Джашински, Скотт Х. Бертон, Трентон Аргайл
Психология, медицина
Кризис
- 2014
Твиттер может быть эффективным инструментом для крупномасштабного мониторинга самоубийств и факторов риска в режиме реального времени. показывает, что лица, подверженные риску самоубийства, могут быть обнаружены через социальные сети.
Транснациональная распространенность и факторы риска суицидальных мыслей, планов и попыток
- M. Nock, G. Borges, David R. Williams
Психология, медицина
British Journal of Psychiatry
- 2008
Существуют межнациональные различия в распространенности суицидального поведения, но в характеристиках и факторах риска этого поведения наблюдается сильная согласованность.
Количественная оценка сигналов психического здоровья в Twitter
- Глен А.
