[논문 리뷰] Detecting Community Depression Dynamics Due to COVID-19 Pandemic in Australia

Jianlong Zhou, Hamad Zogan외 4명|arXiv (Cornell University)|2020. 07. 05.

Mental Health via Writing참고 문헌 40인용 수 6

한 줄 요약

이 연구는 2020년 1월부터 5월까지 호주 뉴사우스웨일스의 티터 데이터를 사용하여 뉴사우스웨일스의 공동체 우울증 역학을 탐지하기 위해 다중모달 및 TF-IDF 기반 분류 모델을 제안한다. 연구 결과, 팬데믹 발발 이후 우울 수준이 유의미하게 상승하였으며, 정부의 봉쇄 조치와 글로벌 확진자 수 급증으로 인해 더욱 악화되었고, 특히 지역 보건 긴급사태에 대한 반응에서 지역 정부 기관(LGA) 간에 의미 있는 차이가 있었음을 확인하였다. 이는 지역 확진자 수보다는 심각한 보건 긴급사태에 더 큰 영향을 받는다는 것을 시사한다.

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.

연구 동기 및 목표

• 뉴사우스웨일스, 호주에서의 코로나19 팬데믹이 공동체 수준의 우울에 미치는 영향을 조사하기 위해.
• 팬데믹 기간 동안 사용자 생성 티터 콘텐츠의 우울 성향을 탐지할 수 있는 새로운 분류 모델을 개발하기 위해.
• 지역 정부 기관(LGA) 수준에서 세분화된 우울 역학을 분석하여 정신 건강 반응의 지역적 변동성을 평가하기 위해.
• 정부가 시행한 제재 조치와 주요 공중보건 사건이 공동체 우울 수준에 미치는 영향을 평가하기 위해.
• 팬데믹 관련 정책과 사건의 정신 건강 영향을 데이터 기반 통찰으로 지원하기 위해.

제안 방법

• 연구는 2020년 1월 1일부터 5월 22일까지 호주 뉴사우스웨일스 주에 거주하는 사용자들로부터 수집한 티터 데이터를 사용한다.
• 텍스트, 정서, 주제, 도메인 특화 신호에서 유래한 다중모달 특징을 통합한 새로운 우울 분류 모델을 제안한다.
• TF-IDF(어휘 빈도-역문서 빈도)가 티터에서 주목할 만한 언어적 특징을 추출하여 분류에 활용된다.
• 모델은 티터를 우울 성향 수준으로 분류하여 우울 추세의 시간적 및 공간적 분석을 가능하게 한다.
• 공동체 우울 역학은 주 수준(NSW)과 세분화된 LGA 수준에서 분석되어 지역적 변동성을 탐지한다.
• 통계적 및 시계열 분석을 통해 우울 추세와 확인된 확진자 수, 봉쇄 사건, 주요 보건 긴급사태 간의 상관관계를 분석한다.

실험 결과

연구 질문

• RQ1 뉴사우스웨일스, 호주에서 공동체 우울 수준은 코로나19 팬데믹의 발생과 진행에 따라 어떻게 변화하였는가?
• RQ2 지역 봉쇄 조치와 같은 정부 제재 조치와 공동체 우울 수준의 변화는 어느 정도 관련이 있는가?
• RQ3 지역 정부 기관(LGA) 수준의 우울 역학은 지역 확진자 수와 비교하여 지역 또는 국가 수준의 사건과 어떻게 관련이 있는가?
• RQ4 루비 프린세스 쇼트선 사태와 같은 주요 공중보건 긴급사태가 LGA 수준의 공동체 우울 수준에 어떤 영향을 미치는가?
• RQ5 다중모달 특징과 TF-IDF를 조합하여 공중보건 위기 기간 동안 소셜 미디어 콘텐츠의 우울 성향을 효과적으로 탐지하고 추적할 수 있는가?

주요 결과

• 뉴사우스웨일스의 공동체 우울 수준은 코로나19 팬데믹 발생 후 유의미하게 상승하였으며, 특히 2020년 3월 초에 뚜렷한 상승이 관찰되었다.
• 전역 봉쇄 조치 시행은 공동체 우울 수준의 측정 가능한 증가와 관련이 있었으며, 이는 제재 조치가 정신 건강에 부정적인 영향을 미칠 수 있음을 시사한다.
• 지역 LGA 내 확진자 수보다는 국가 또는 주 수준에서의 급격한 확진자 수 증가에 의해 우울 수준이 더 강하게 영향을 받았다.
• 제재 조치의 완화도 우울 수준의 상승을 초래하였으며, 이는 지역 전파 위험 증가에 대한 우려가 증가했기 때문일 가능성이 있다.
• 지역 보건 긴급사태, 예를 들어 특정 LGA에서의 대규모 유행은 지역 확진자 수가 낮더라도 지역 우울 수준에 상당한 영향을 미쳤다.
• 모델은 LGA 간 우울 역학의 지역적 격차를 성공적으로 탐지하였으며, 리드와 같은 일부 지역에서는 특정 일자(예: 2020년 3월 10일 및 16일)에 급격한 국소적 우울 증가가 관찰되었다.