[논문 리뷰] Characterizing Diseases and disorders in Gay Users' tweets

Frank Webb, Amir Karami외 1명|arXiv (Cornell University)|2018. 03. 24.

LGBTQ Health, Identity, and Policy참고 문헌 27인용 수 17

한 줄 요약

이 연구는 트위터에서 177명의 동성애자 남성들이 올린 건강 관련 트윗을 분석하여 계산적 프레임워크를 사용해 질병과 장애를 식별하고 분류한다. 연구에서는 7개의 ICD-10 분류에 걸쳐 총 11종의 질병을 특정하였으며, 주로 대중 건강 연구에서 누락되는 레즈비언, 게이, 비이성애자, 퍼스널리티 등 성소수자 커뮤니티의 건강 격차에 대한 통찰을 제공한다.

ABSTRACT

A lack of information exists about the health issues of lesbian, gay, bisexual, transgender, and queer (LGBTQ) people who are often excluded from national demographic assessments, health studies, and clinical trials. As a result, medical experts and researchers lack a holistic understanding of the health disparities facing these populations. Fortunately, publicly available social media data such as Twitter data can be utilized to support the decisions of public health policy makers and managers with respect to LGBTQ people. This research employs a computational approach to collect tweets from gay users on health-related topics and model these topics. To determine the nature of health-related information shared by men who have sex with men on Twitter, we collected thousands of tweets from 177 active users. We sampled these tweets using a framework that can be applied to other LGBTQ sub-populations in future research. We found 11 diseases in 7 categories based on ICD 10 that are in line with the published studies and official reports.

연구 동기 및 목표

• 성소수자 커뮤니티, 특히 동성애자 남성들에 대한 건강 데이터 부족 문제를 해결하기 위해, 이들이 국가 건강 연구 및 임상 시험에서 부족하게 반영되고 있음을 고려함.
• 공개된 트위터 데이터를 활용해 소수자 성소수자 커뮤니티 내 건강 문제를 이해하는 데 있어 가능성 여부를 탐색함.
• 레즈비언, 게이, 비이성애자 등 성소수자 하위군에 특화된 건강 관련 소셜 미디어 콘텐츠를 수집하고 분석하기 위한 재현 가능한 계산 프레임워크를 개발함.
• 표준 의료 분류(ICC-10)를 사용해 트위터에서 동성애자 남성이 논의하는 흔한 질병과 장애를 식별하고 분류함.
• 디지털 트레이스 데이터를 통해 레즈비언, 게이, 비이성애자 커뮤니티 내 건강 격차와 정보 패턴을 드러내어 공중보건 정책 및 임상 연구를 지원함.

제안 방법

• 특정 데이터 수집 프레임워크를 활용해 177명의 자가신고한 동성애자 남성 트위터 사용자가 올린 수천 건의 건강 관련 트윗을 수집함.
• 수집된 트윗에서 건강 관련 콘텐츠를 추출하고 분류하기 위해 자연어 처리(NLP) 기법을 적용함.
• 식별된 건강 상태를 표준화된 분류를 위해 국제질병분류제 10판(ICD-10)에 매핑함.
• 사용자 집단 전반에서 논의된 건강 주제의 다양성과 대표성을 확보하기 위해 표본 추출 전략을 사용함.
• 트윗 내 의미적 및 맥락적 패턴을 기반으로 질병 언급을 탐지하고 군집화하기 위해 계산 모델링 접근법을 활용함.
• 식별된 질병의 임상적 관련성과 정확성을 확보하기 위해 연구 결과를 출판된 논문과 공식 건강 보고서와 비교 검증함.

실험 결과

연구 질문

• RQ1 동성애자 남성들이 트위터에서 가장 자주 논의하는 질병과 건강 장애는 어떤 것인가?
• RQ2 소셜 미디어에서 동성애자 남성이 표현하는 건강 우려는 임상 및 공중보건 문헌에 기록된 바와 어떻게 비교되는가?
• RQ3 사회 미디어 데이터가 부족한 레즈비언, 게이, 비이성애자 커뮤니티 내 건강 문제를 식별하고 분류하는 데 얼마나 유용한가?
• RQ4 트위터에서 동성애자 남성 사용자들이 논의하는 질병 중 ICD-10 질병 분류에서 가장 두드러진 것은 무엇인가?
• RQ5 레즈비언, 게이, 비이성애자 소셜 미디어 사용자들로부터 건강 관련 정보를 추출하고 모델링하기 위해 계산 프레임워크를 신뢰성 있게 적용할 수 있는가?

주요 결과

• 연구에서는 동성애자 남성 사용자 트윗에서 일관되게 보고된 7개의 ICD-10 분류에 걸쳐 총 11종의 별개의 질병을 특정함.
• 식별된 질병들은 레즈비언, 게이, 비이성애자 커뮤니티 내 알려진 건강 격차와 일치하며, 정신건강 장애, 성병, 만성질환 포함.
• 우울증과 불안과 같은 정신건강 장애가 데이터셋에서 가장 자주 언급된 건강 문제 중 하나임.
• 연구는 트위터 데이터가 소수자 성소수자 집단 내 건강 문제를 식별하는 데 유효하고 접근 가능한 자료로 기능할 수 있음을 입증함.
• 계산 프레임워크는 임상적 관련성이 있는 건강 관련 콘텐츠를 성공적으로 추출하고 분류하였으며, 향후 공중보건 감시에 활용 가능함.
• 연구 결과는 트위터와 같은 소셜 미디어 플랫폼이 부족한 커뮤니티 내 건강 행동과 상태에 대해 실시간으로 인구 수준의 통찰을 제공할 수 있음을 시사함.