nieuws

Praatjes op Facebook ‘voorspellen’ diabetes en status mentale gezondheid

Voeding en gedrag

Praatjes op Facebook ‘voorspellen’ diabetes en status mentale gezondheid
Bored woman watching a laptop isolated on a white background

De gebruikte taal op Facebook blijkt een voorspellende waarde te hebben over de conditie van patiënten. De gepubliceerde praatjes zeggen zelfs meer over hun kans op diabetes en mentale gezondheid dan andere demografische data. Dat vonden onderzoekers van Penn Medicine and Stony Brook University die hun bevindingen publiceerden in PLOS ONE.

Ongeveer duizend patiënten, die deelnamen aan het onderzoek, stemden erin toe dat hun medisch dossier werd gekoppeld aan hun Facebook-profiel. De onderzoekers maakten een geautomatiseerde data-analyse, waarbij ze drie modellen volgden om de voorspellende waarde over de conditie van de patiënten vast te stellen. In een model werd alleen uitgegaan van de analyse van de taal op Facebook, in het tweede model werd alleen gewerkt met demografische gegevens van de patiënten (zoals leeftijd en sekse) en in een derde model werden de data uit deze eerste twee modellen gecombineerd.

Facebook-voorspelling

De onderzoekers keken naar 21 verschillende uitkomstmaten oftewel condities van patiënten, waaronder diabetes, obesitas, alcoholmisbruik en depressie. Alle 21 bleken voorspelbaar door de analyse van de Facebook-analyse alleen. 10 condities bleken beter voorspelbaar door het gebruik van de Facebook-data alleen dan door het gebruik van de demografische informatie.

Drinken en fles

Duidelijk naar voren kwamen relaties tussen het veelvuldig gebruik van de woorden ‘drinken’ en ‘fles’ en alcoholmisbruik. Opvallend was de relatie tussen het gebruikt van de woorden ‘god’ en ‘bidden’ en het hebben van diabetes. Deelnemers die vaak dit soort woorden plaatsten hadden 15 keer vaker diabetes dan degenen die deze woorden het minst gebruikten. Vijandig taalgebruik kon worden gerelateerd aan het voorkomen van drugsmisbruik en psychose in de onderzoeksgroep.

‘Meerdere studies hebben al een link laten zien tussen taalpatronen en bepaalde ziektes’, zegt onderzoeker Andrew Schwartz, assistent professor computer en informatietechnologie aan Penn Medicine and Stony Brook University in het oosten van de Verenigde Staten. ’We weten dat taal iets zegt over bijvoorbeeld depressie en kanker. Door diagonaal door de medische condities van patiënten en hun taalgebruik te kijken, kunnen we beter in kaart brengen hoe bepaalde condities aan elkaar zijn gelieerd. Mogelijk leveren ze nieuwe toepassingen op het gebied van artificial intelligence voor de geneeskunde op.’

Betere begeleiding

Volgens Schwartz is de digitale dataverzameling over taalgebruik een manier om waardevolle aspecten over de gezondheidstoestand van mensen te verkrijgen, naast het gebruik van traditioneel verzamelde medische data. Eerder dit jaar lieten de onderzoekers in het team van Schwartz al zien dat posts op Facebook drie maanden sneller een depressie konden voorspellen dan de diagnose in een kliniek, waardoor ze verdergingen met dit onderzoek. Mogelijk leidt deze nieuwe methode van dataverzameling tot een systeem waarbij patiënten, vrijwillig en met instemming, toestaan dat hun data gebruikt worden voor een betere medische begeleiding.

Gewichtsverlies

Bij mensen die willen afvallen zou een analyse van het taalgebruik op sociale media wellicht kunnen leiden tot een beter begrip van de voedselkeuze en beweegpatronen, waardoor een zorgprofessional ze beter kan helpen. Voorwaarde is wel dat er voldoende wordt gepost op de sociale media.

De onderzoekers geven een vervolg aan het onderzoek. Later dit jaar gaan ze een grote groep patiënten vragen of ze de inhoud van hun sociale media direct willen delen met hun zorgprofessionals.  Zo hopen ze inzicht te krijgen in hoeverre de verwerking van dit soort dataverzameling voor de medische praktijk haalbaar is en in hoeverre mensen bereid zijn persoonlijke zaken te delen.

Bron: Raina M. Merchant, David A. Asch, Patrick Crutchley, Lyle H. Ungar, Sharath C. Guntuku, Johannes C. Eichstaedt, Shawndra Hill, Kevin Padrez, Robert J. Smith, H. Andrew Schwartz. Evaluating the predictability of medical conditions from social media posts. PLOS ONE, 2019; 14 (6): e0215476 DOI: 10.1371/journal.pone.0215476

Reageer op dit artikel