MétaCan
Menu
Retour à la cohorte
Enregistrement W4313117795 · doi:10.2196/39206

“I Haven’t Been Diagnosed, but I Should Be”—Insight Into Self-diagnoses of Common Mental Health Disorders: Cross-sectional Study

2022· article· en· W4313117795 sur OpenAlexvenueno aff
Lauren A. Rutter, Jacqueline Howard, Prabhvir Lakhan, Danny Valdez, Johan Bollen, Lorenzo Lorenzo‐Luaces

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health via Writing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthPost-hoc analysisMedical diagnosisClinical psychologyPsychologyPsychiatryBipolar disorderMedicineSocial mediaManiaMoodInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In recent years, social media has become a rich source of mental health data. However, there is a lack of web-based research on the accuracy and validity of self-reported diagnostic information available on the web. OBJECTIVE: An analysis of the degree of correspondence between self-reported diagnoses and clinical indicators will afford researchers and clinicians higher levels of trust in social media analyses. We hypothesized that self-reported diagnoses would correspond to validated disorder-specific severity questionnaires across 2 large web-based samples. METHODS: The participants of study 1 were 1123 adults from a national Qualtrics panel (mean age 34.65, SD 12.56 years; n=635, 56.65% female participants,). The participants of study 2 were 2237 college students from a large university in the Midwest (mean age 19.08, SD 2.75 years; n=1761, 75.35% female participants). All participants completed a web-based survey on their mental health, social media use, and demographic information. Additionally, the participants reported whether they had ever been diagnosed with a series of disorders, with the option of selecting "Yes"; "No, but I should be"; "I don't know"; or "No" for each condition. We conducted a series of ANOVA tests to determine whether there were differences among the 4 diagnostic groups and used post hoc Tukey tests to examine the nature of the differences. RESULTS: =1.43; P=.23), ANOVA results were consistent with our expectations. Across both studies and for most conditions assessed, the individuals who said that they had been diagnosed with a disorder had the highest severity scores on self-report questionnaires, but this was closely followed by individuals who had not been diagnosed but believed that they should be diagnosed. This was especially true for depression, generalized anxiety, and insomnia. For mania and bipolar disorder, the questionnaire scores did not differentiate individuals who had been diagnosed from those who had not. CONCLUSIONS: In general, if an individual believes that they should be diagnosed with an internalizing disorder, they are experiencing a degree of psychopathology similar to those who have already been diagnosed. Self-reported diagnoses correspond well with symptom severity on a continuum and can be trusted as clinical indicators, especially in common internalizing disorders such as depression and generalized anxiety disorder. Researchers can put more faith into patient self-reports, including those in web-based experiments such as social media posts, when individuals report diagnoses of depression and anxiety disorders. However, replication and further study are recommended.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,145
Tête enseignante GPT0,529
Écart entre enseignants0,384 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetMental Health via WritingTravaux en français237 207