[論文レビュー] Detecting Community Depression Dynamics Due to COVID-19 Pandemic in Australia

Jianlong Zhou, Hamad Zogan+4 more|arXiv (Cornell University)|Jul 5, 2020

Mental Health via Writing参考文献 40被引用数 6

ひとこと要約

本研究は、2020年1月から5月にかけてのオーストラリア・ニューサウスウェールズのツイッターデータを用いて、COVID-19パンデミック下におけるコミュニティ内のうつ病動態を検出するためのマルチモーダルでTF-IDFベースの分類モデルを提案する。研究では、パンデミック発生後、抑うつレベルが著しく上昇し、政府のロックダウン措置や世界的な感染者数の急増によって悪化し、特に地域の健康緊急事態に反応して、地域住民の抑うつレベルに顕著な差が生じることが判明した。

ABSTRACT

The recent COVID-19 pandemic has caused unprecedented impact across the globe. We have also witnessed millions of people with increased mental health issues, such as depression, stress, worry, fear, disgust, sadness, and anxiety, which have become one of the major public health concerns during this severe health crisis. For instance, depression is one of the most common mental health issues according to the findings made by the World Health Organisation (WHO). Depression can cause serious emotional, behavioural and physical health problems with significant consequences, both personal and social costs included. This paper studies community depression dynamics due to COVID-19 pandemic through user-generated content on Twitter. A new approach based on multi-modal features from tweets and Term Frequency-Inverse Document Frequency (TF-IDF) is proposed to build depression classification models. Multi-modal features capture depression cues from emotion, topic and domain-specific perspectives. We study the problem using recently scraped tweets from Twitter users emanating from the state of New South Wales in Australia. Our novel classification model is capable of extracting depression polarities which may be affected by COVID-19 and related events during the COVID-19 period. The results found that people became more depressed after the outbreak of COVID-19. The measures implemented by the government such as the state lockdown also increased depression levels. Further analysis in the Local Government Area (LGA) level found that the community depression level was different across different LGAs. Such granular level analysis of depression dynamics not only can help authorities such as governmental departments to take corresponding actions more objectively in specific regions if necessary but also allows users to perceive the dynamics of depression over the time.

研究の動機と目的

• オーストラリア・ニューサウスウェールズにおけるコミュニティレベルの抑うつに及ぼすCOVID-19パンデミックの影響を調査すること。
• パンデミック期におけるユーザー生成ツイートの内容から抑うつ感情の極性を検出できる新しい分類モデルを開発すること。
• 地方自治体（LGA）レベルでの詳細な抑うつ動態を分析し、地域ごとのメンタルヘルス反応の差を評価すること。
• 政府による制限措置や主要な公衆衛生イベントがコミュニティの抑うつレベルに与える影響を評価すること。
• パンデミック関連の政策や出来事のメンタルヘルスへの影響を、データドリブンな知見として公衆衛生当局に提供すること。

提案手法

• 本研究は、2020年1月1日から5月22日までにオーストラリア・ニューサウスウェールズ在住のユーザーから収集されたツイッターデータを用いる。
• テキスト、感情、トピック、ドメイン固有の信号からなるマルチモーダル特徴を統合した、新しい抑うつ分類モデルを提案する。
• 分類のための顕著な言語的特徴を抽出するために、項頻度逆文書頻度（TF-IDF）を適用する。
• モデルはツイートを抑うつ感情の極性レベルに分類し、抑うつ傾向の時間的・空間的変化を分析可能にする。
• 抑うつ動態は州レベル（NSW）および詳細なLGAレベルで分析され、地域差の検出が行われる。
• 統計的および時系列分析を用いて、抑うつ傾向と確認済み感染者数、ロックダウンイベント、主要な健康緊急事態の相関を評価する。

実験結果

リサーチクエスチョン

• RQ1 オーストラリア・ニューサウスウェールズのコミュニティ内における抑うつレベルは、COVID-19パンデミックの発生と進行に伴いどのように変化したか？
• RQ2 州全体のロックダウン措置などの政府による制限措置は、コミュニティの抑うつレベルの変化にどの程度関連しているか？
• RQ3 地方自治体（LGA）レベルでの抑うつ動態は、地域の確認済み感染者数と比較して、広域の地域的または国家的出来事とどの程度関連しているか？
• RQ4 ルビープリンスクルーズ船のアウトブレイクのような主要な公衆衛生緊急事態が、LGAレベルでのコミュニティの抑うつレベルに果たす役割は何か？
• RQ5 マルチモーダル特徴とTF-IDFを組み合わせることで、公衆衛生危機期におけるソーシャルメディアコンテンツ内の抑うつ感情の極性を効果的に検出し、追跡できるか？

主な発見

• オーストラリア・ニューサウスウェールズにおけるコミュニティ内の抑うつレベルは、COVID-19パンデミックの発生後、著しく上昇し、2020年3月上旬に顕著な上昇が観察された。
• 州全体のロックダウン措置の実施は、コミュニティ内の抑うつレベルの明確な上昇と関連しており、制限措置が精神的健康に悪影響を及ぼしていることが示された。
• 抑うつレベルは、個々のLGA内での地域的感染者数よりも、国家的または州レベルでの確認済み感染者数の急増に強く影響を受けていた。
• 制限措置の緩和も、コミュニティ内での感染リスクの増加に伴う不安の高まりが原因で、抑うつレベルの上昇を引き起こした。
• 地域の健康緊急事態、たとえば特定のLGAでの大規模なアウトブレイクは、地域の感染者数が低くても、地域の抑うつレベルに顕著な影響を与えた。
• モデルは、Rydeのような地域において、特定の日付（例：2020年3月10日および16日）に顕著な局所的抑うつスパイクを効果的に検出できた。