我我信息网
全球范围内的单位和研究报告显示，与COVID-19大流行的影响相关的心理健康问题显著增加。全球重度抑郁症的病例预计增加了5320万例，焦虑症增加了7620万例。在COVID-19的早期阶段，心理健康与实施的社交限制密切相关，当社交限制收紧时，抑郁症状显著增加。此外，COVID-19期间，集体主义较低和社交媒体使用较高的个人中，心理健康状况较差。
在COVID-19危机等疾病暴发的情况下，情况可能在几个小时内发生变化。然而，迄今为止，卫生政策制定者没有足够的工具来预测或预测心理健康护理需求，从而无法提前分配资源或调整政策以满足这些需求。新加坡，一个总人口为568万的城市国家，在2020年报告了452起自杀事件，是自2012年以来的最高记录。
在2020年4月7日至6月1日期间，当新加坡实施最严格的措施控制COVID-19的社区传播时，24小时国家关怀热线接到了超过6600个电话，涉及单位支持措施、家庭冲突、财务问题和焦虑等话题。资源短缺以应对这种心理健康护理的紧急需求。传统调查方法在及时性方面存在局限性，因为其结果基于在特定时间点收集的回答，只提供了关于情况的快照，通常在实际情况发生后延迟几个月才报告见解。
像Twitter（现已更名为“X”；我们使用原名是基于我们收集数据时的情况）这样的社交媒体平台不断生成可公开访问的有关人们想法和感受的数据。然而，使用社交媒体数据进行监测和预测时的挑战与高稀疏性和低信噪比问题相关，需要有效提取有用信息。先前的研究发现，从个人Facebook帖子中提取的特定单词数可以用作预测这些个人未来可能患抑郁症的指标。
尽管最近的研究着眼于时间持续性预测的价值，但在大流行背景下的心理健康预测问题仍未得到研究。情绪是人类行为的关键驱动因素，其产生和强度对情境变化非常敏感。与广泛情境相比，情绪更可能成为预示下游心理健康状况和相关寻求护理行为出现的先决条件。我们所知，没有研究定量评估社交媒体平台表达的细微情感的预测价值，以及这些情似能提供下游心理健康护理需求和需求的早期迹象的程度。
这项研究对在危机时期解决公共心理健康问题提供了更有效的数据和工具的需求做出了贡献。我们研究的主要目标是探讨细粒度的社交媒体情感如何能够提高对心理健康护理需求和需求变化的预测。我们关注以下两个研究问题：RQ1：社交媒体平台上表达的情景指标和情感（即恐惧、愤怒、快乐和悲伤）的变化是否会增强对公众心理健康护理需求的预测？情感指标是否比情景指标更有用？RQ2：
如果新的情感预测因素确实具有增强作用，这些增强模型如何可能帮助预测短期心理健康需求变化？为了解决这些研究问题，我们收集了来自不同来源的数据。我们提取了三组变量，即（a）作为结果变量的心理健康需求，（b）作为主要预测变量的社交媒体（本研究中为Twitter）中的情感表达，以及（c）作为比较预测变量的COVID-19情况严重性的指标（卫生当局使用的标准大流行指标）。
我们寻求并获取了关于全国最大精神病医院精神健康研究所（IMH）急诊室公共访问的数据，作为公众紧急心理健康护理需求的主要代理。同时，随着越来越多的人转向在线寻求帮助，我们从由单位发起的心理健康在线帮助门户网站mindline.sg（以下简称Mindline）收集了数据，该门户网站具有测量匿名对抑郁和广泛性焦虑障碍测试回答的功能。
我们采用了配对Granger因果分析和自回归整合移动平均（ARIMA）预测模型分析进行统计测试。从2020年7月1日至2021年12月31日，跨越549天，31905人求助于IMH急诊室服务，平均每天58次访问。23648人完成了Mindline的心理健康状况自评问卷，其中7901人处于“危机”状态。期间，共发出140598条独特的twitter推文。
根据世界卫生组织（WHO）的记录，共报告了235400例COVID-19病例和801例死亡。新加坡卫生部（MOH）发布了1748个与COVID-19发展和政策相关的公告。
Twitter指标和情景指标对心理健康需求的预测效果
在我们主要的研究问题中，配对Granger因果测试表明，从Twitter提取的一些与情感相关的指标对于预测IMH访问和Mindline危机趋势是有用的，滞后持续时间范围从一天到五天不等。Twitter的快乐和愤怒相关指标在预测IMH访问时具有显著的Granger因果效应。
快乐强度在一天滞后(χ2 = 14.9, P < .001*)时Granger导致IMH访问。愤怒计数在四天滞后(χ2 = 10.1, P = .038*)时Granger导致IMH访问。每日推文数计数在两天滞后(χ2 = 7.6, P = .023*)时Granger导致IMH访问。四个情感指标被发现能为预测由Mindline危机测量的自我评估危急心理状态变量提供预测价值。这些指标包括快乐计数 (χ2 = 19.6, P = .0015), 悲伤计数 (χ2 = 4.6, P = .031*), 快乐强度 (χ2 = 4.1, P = .0042) 和愤怒计数 (χ2 = 3.9, P = .049*)。Twett计数与三滞后日(χ2 = 8.5, P = .036*)导致Mindline危机。
