Autor/autores:
Scherbakov DA , Hubig NC , Lenert LA...(et.al)
Antecedentes El uso del procesamiento del lenguaje natural (NLP, por sus siglas en inglés) en la investigación de la salud mental está en aumento, con una amplia gama de aplicaciones y conjuntos de datos siendo investigados. Objetivo Esta revisión tiene como objetivo resumir el uso de NLP en la investigación de la salud mental, con un enfoque especial en los t...
PUBLICIDAD
Estás viendo una versión reducida de este contenido.
Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.
El uso del procesamiento del lenguaje natural (NLP, por sus siglas en inglés) en la investigación de la salud mental está en aumento, con una amplia gama de aplicaciones y conjuntos de datos siendo investigados.
Esta revisión tiene como objetivo resumir el uso de NLP en la investigación de la salud mental, con un enfoque especial en los tipos de conjuntos de datos de texto y el uso de los determinantes sociales de la salud (SDOH, por sus siglas en inglés) en proyectos de NLP relacionados con la salud mental.
La búsqueda se llevó a cabo en septiembre de 2024 utilizando una estrategia de búsqueda amplia en PubMed, Scopus y CINAHL Complete. Todas las citas se cargaron en el software Covidence (Veritas Health Innovation).
El proceso de cribado y extracción tuvo lugar en Covidence con la ayuda de un módulo de modelo de lenguaje grande (LLM, por sus siglas en inglés) personalizado desarrollado por nuestro equipo. Este módulo LLM fue calibrado y ajustado para automatizar muchos aspectos del proceso de revisión.
El proceso de cribado, asistido por el LLM personalizado, condujo a la inclusión de 1768 estudios en la revisión final. La mayoría de los estudios revisados (n=665, 42. 8%) utilizaron datos clínicos como su principal conjunto de datos de texto, seguidos por conjuntos de datos de redes sociales (n=523, 33. 7%).
Estados Unidos contribuyó con el mayor número de estudios (n=568, 36. 6%), siendo la depresión (n=438, 28. 2%) y el suicidio (n=240, 15. 5%) los problemas de salud mental más frecuentemente investigados. Las variables demográficas tradicionales, como la edad (n=877, 56. 5%) y el género (n=760, 49%), se extrajeron comúnmente, mientras que los factores SDOH se informaron con menos frecuencia, siendo el estatus urbano o rural el más utilizado (n=19, 1. 2%).
Más de la mitad de las citas (n=826, 53. 2%) no proporcionaron información clara sobre la accesibilidad del conjunto de datos, aunque un número considerable de estudios (n=304, 19. 6%) hicieron sus conjuntos de datos públicamente disponibles.
Esta revisión de alcance subraya el papel significativo de las notas clínicas y las redes sociales en la investigación de la salud mental basada en NLP. A pesar de la clara relevancia de los SDOH para la salud mental, su subutilización presenta una brecha en la investigación actual.
Esta revisión puede ser un punto de partida para investigadores que buscan una visión general de proyectos de salud mental utilizando datos de texto. Los conjuntos de datos compartidos podrían usarse para poner más énfasis en los SDOH en estudios futuros.
Esta revisión también destaca la necesidad de integrar más ampliamente los SDOH en los estudios de NLP para mejorar la comprensión y tratamiento de la salud mental. El potencial para explorar cómo los factores socioeconómicos, culturales y ambientales influyen en los resultados de salud mental es enorme, y promover el acceso a conjuntos de datos que incluyan estas variables podría impulsar avances significativos en el campo.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://mental.jmir.org/
