来自：京师认知神经传播学实验室
「论文荐读」
Prospective associations of text‐message‐based sentiment with symptoms of depression, generalized anxiety, and social anxiety
基于短信的情绪与抑郁症、广泛性焦虑
和社交焦虑症状的前瞻性关联
Caitlin A. Stamatis,Jonah Meyerhoff,Tingting Liu,Garrick Sherman,Harry Wang,Tony Liu,Brenda Curtis,Lyle H. Ungar,David C. Mohr
Cite：Stamatis, C. A., Meyerhoff, J., Liu, T., Sherman, G., Wang, H., Liu, T., Curtis, B., Ungar, L. H., & Mohr, D. C. (2022). Prospective associations of text‐message‐based sentiment with symptoms of depression, generalized anxiety, and social anxiety. Depression and Anxiety. https://doi.org/10.1002/da.23286
Chapter.1「研究目的」
探索语言模式对心理健康的影响机制
短信语言与抑郁症、广泛性焦虑症
和社交焦虑症之间的关系。
”
确定预测下一周抑郁症、广泛性焦虑和社会焦虑症状的共同语言特征
研究假设使用绝对主义词汇 (Absolutist words) *、人称代词 (特别是我/我们) 、非流畅性 (non-fluencies) 和试探性(tentativeness) **词汇将与情感性精神障碍 (affective psychopathology) 的普遍风险相关；
*绝对主义词汇 (Absolutist words) ：表示整体性的词、短语和想法，无论是大小还是概率，常常被称为 "绝对"。绝对主义的思想是独立于背景的，不受细微差别的限制。
来源：Al-Mosaiwi, M., & Johnstone, T. (2018). In an Absolute State: Elevated Use of Absolutist Words Is a Marker Specific to Anxiety, Depression, and Suicidal Ideation. Clinical Psychological Science, 6(4), 529–542. https://doi.org/10.1177/2167702617747074
**试探性 (tentativeness) ：即反映在文本中的不确定性程度
来源：O’Dea, B., Boonstra, T. W., Larsen, M. E., Nguyen, T., Venkatesh, S., & Christensen, H. (2021). The relationship between linguistic expression in blog content and symptoms of depression, anxiety, and suicidal thoughts: A longitudinal study. Plos one, 16(5), e0251787.
比较短信的情感特征的预测能力
短信的情感特征可以不同程度地预测抑郁症、广泛性焦虑和社会焦虑的症状。
评估短信情感对预测模型的贡献
相对于单独的相关症状的预测能力而言，短信情感的加入在多大程度上提高了预测症状严重性的总体能力。由于利用感觉特征预测近未来症状发作的能力在临床上是适用的，是未来及时干预的基础步骤，因此作者选择研究前瞻性的关联。
Chapter.2「研究意义」
从大众到私人的转向
短信比社交媒体上的帖子更频繁，更少受到社会期望的影响，促进了语言模式随时间、跨社会关系和关系网的变化的更细粒度的可见性
纵向研究对横截面数据的补充
既往研究一般建立在横截面模型上，没有在纵向的时间序列上考虑文本信息情绪与抑郁和焦虑症状的前瞻性关联。鉴于短信被用于提供抑郁症和焦虑症的数字干预，更好地识别文本中标志抑郁症和焦虑症状的独特和常见风险语言可以为通过有针对性、即时的干预来完善数字干预奠定基础
为临床治疗提供了私有数据流的经验证据
积极情绪词、消极情绪词和绝对主义词汇可能作为预测抑郁症治疗期间症状变化的语言标志，研究为，这种可能的关联提供了私有数据流 (如短信消息) 的经验证据
Chapter.3「研究设计」
研究样本
作者通过 Focus Pointe Global 招募了参与者。Focus Pointe Global 小组成员收到了参与研究的电子邮件邀请，在2020年2月至4月 (n = 370) 和2021年1月至4月 (n = 289) 两个时期招募了659名参与者。为了获得情感症状升高的样本，作者对患者健康问卷中至少有中度抑郁症状严重程度的人进行了过度采样 (oversampled) *。本研究的资格标准包括: 生活在美国; 能够说和读英语的水平，使参与者能够以英语提供知情同意并参与所有研究程序和评估; 以及拥有带有数据计划的 Android 智能手机。
对659名符合条件并报名参加这项研究的人中，有107人退出了。另有36人由于缺少症状清单而被排除在分析之外，181人在应用2周内至少有50条发出信息的标准后被排除在分析之外。结果，335名参与者(平均年龄 = 40.4，SD = 12.0，年龄范围 = 18-73; 75.8% 女性) 被纳入分析。
*过度采样 (oversampled) 一种有意识的抽样过程，旨在将某个特定社区的更多(通常是低流行率)成员纳入到样本中
来源：Vaughan, R. (2017). Oversampling in Health Surveys: Why, When, and How? American Journal of Public Health, 107(8), 1214–1215. https://doi.org/10.2105/ajph.2017.303895
测量
研究两波样本中，每一波的数据收集都要连续进行16周。参与者在基线和每3周完成一次在线症状评估，直到研究结束 (即第4、7、10、13和16周) 包括抑郁症症状 (PHQ-8)、广泛性焦虑症状 (GAD-7) 和社会焦虑症状 (SPIN)。
其中，抑郁症状是通过基于智能手机的生态瞬间评估 (Ecological momentary assessments) *来测量的，在评估周的开始和结束时各测量一次，而广泛性焦虑和社会焦虑症状则使用在线问卷来评估。
*生态瞬间评估 (Ecological momentary assessments) ：生态瞬间评价(EMA) 是在受试者的自然环境中，对受试者当前的行为和经历进行实时的重复抽样。EMA 旨在最小化回忆偏差，最大限度地提高生态效度，并允许研究在现实环境中影响行为的微过程 (microprocesses) 。
来源：
Shiffman, S., Stone, A. A., & Hufford, M. R. (2008). Ecological Momentary Assessment. Annual Review of Clinical Psychology, 4(1), 1–32. https://doi.org/10.1146/annurev.clinpsy.3.022806.091415
研究通过 LifeSense 应用程序收集文字的情感数据，该应用程序建立在被动数据工具包平台上。该平台对短信数据进行了设备上的处理，以计算出情感分数，这使得作者能够通过只传输情感分数数据而不是原始文本来保护设备的隐私。情感评分是使用 LIWC 2015词典类别、NRC 情感词典以及之前使用 Facebook 数据开发的抑郁和压力词典
分析策略
分析是在 R (4.1.0版) 中进行的，只使用发出的信息的情感分数。作者没有分析属于小组文本对话的文本；只包括一对一的文本。来自短信的情感数据在2周的时间间隔内被汇总 (图1) 。虽然没有要求短信的最小长度，但为了增加情感分数估计的可靠性，如果某人在某两周内发出的短信少于50条就排除该人在该时间段的数据。使用 lmerTest 软件包 ，作者运用多层回归模型来测试t和t+1周的情绪分数与t+2的后续症状的关联。
情绪预测因子以人的平均数为中心，将每个情绪类别，人的平均数项和人的内部偏差项都包括在模型中。额外的预测因素包括时间 (周) 和人的随机截距，以及作为协变量的年龄和性别。
研究具体使用了两类模型，对于模型一，作者通过分层回归评估每个情绪类别对下一阶段 PHQ-8、GAD-7 和 SPIN 的影响，只控制年龄和性别。
在第二组模型 (目的2) 中，作者重复了这些模型，同时也控制了其他两个症状量表 (例如，在以 PHQ-8为结果的模型中，GAD-7 和 SPIN 被列为协变量) ，这使得作者能够评估效果的特异性。作者采用了Benjamini-Hochberg 矫正的多重比较。
讨论
由于作者对文本的词句进行了成体系的分析，各类实词、副词、动词、量词、非正式用语 (如脏话) 与情感过程、社会过程、认知过程、感知过程、生理过程与抑郁症、广泛性焦虑和社交焦虑症状外加词汇情感进行了详细的回归分析，碍于体量本文不尽数列举，仅呈现部分结论，详情请参阅原文 https://onlinelibrary.wiley.com/doi/10.1002/da.23286?af=R
从第一组模型来看，与三个症状量表相关的情绪类别有显著的重叠，特别是对于 PHQ-8和 GAD-7 (表2，互相控制后显著性明显降低)；第二组模型的结果表明，在控制了其他两个症状量表之后，情绪和给定的一组症状之间存在特定的关联
1.人称代词的使用、认知过程和负面情绪词等语言特征传达了情感症状严重性的共同风险。这些结果与之前的文献一致，证明第一人称人称代词的使用是情感症状最有力的语言指标之一
2.认知过程相关词和消极情绪相关词之间的关联是抑郁症的有力指标；
3.生物过程相关的词 (例如，吃、血和疼痛) 也与共同的风险有关
4.在控制了普遍焦虑和社会焦虑症状后，增加使用预期、信任、社会过程和隶属感词语与随后的抑郁症症状程度较低有关。但是作者发现在控制抑郁症和社会焦虑症状的影响时，这些相同的语言特征与下周的广泛性焦虑症症状明显正相关；这一现象可能与不同症状对于词汇唤起的感受不同有关，比如同样的文本抑郁症患者可能体验到兴奋(从原本抑郁症特征的低唤起状态引起愉快的感受) ，但焦虑症患者可能体验到恐惧的唤起，导致症状的不愉快恶化
5. 使用愤怒、性和脏话与下周社会焦虑症状的严重程度有独特的联系。值得注意的是，性和脏话的词汇有明显的重叠，并且以脏话为主，可以理解为借此表达愤怒；先前的研究假设，有社交焦虑的个体表达愤怒可能是一种避免被拒绝的功能机制: 通过拒绝他人，有效地将自己与对拒绝的社交焦虑或负面评价隔绝开来。
转自：“新传记忆面包”微信公众号
如有侵权，请联系本站删除！
