Noticias

5 de julio de 2019 - Notas de prensa

Identifican patrones en tuits en español que pueden indicar signos de depresión

Se publica en el Journal of Medical Internet Research

Investigadores del Programa de Investigación en Informática Biomédica (GRIB) de la Universidad Pompeu Fabra (UPF) y del Instituto Hospital del Mar de Investigaciones Médicas (IMIM) han identificado las características y patrones de comportamiento en los tuits que pueden indicar signos de depresión. El estudio del grupo de Investigación en Informática Biomédica Integrada, publicado en el Journal of Medical Internet Research, es el primero de este tipo en el que se analizan los tuits en lengua española.

La depresión es una enfermedad compleja y esto dificulta su detección en muchos casos, complicando su diagnóstico y tratamiento. De ahí la necesidad de utilizar nuevas estrategias que ayuden al diagnóstico y la monitorización de este trastorno.

El grupo investigador. Fuente: UPF

La gran popularidad de las redes sociales como Twitter presenta nuevas oportunidades para la detección de la depresión, ya que son el reflejo de los pensamientos y sentimientos de la vida cotidiana de las personas. De este modo las redes sociales se han convertido en una fuente importante de información relacionada con la salud, que nos permite detectar y predecir trastornos afectivos y que se puede utilizar como una herramienta adicional para el seguimiento y la vigilancia de la salud mental.

Este estudio coordinado por Ferran Sanz, ha analizado los patrones lingüísticos y las características de comportamiento de los usuarios de Twitter que sufren depresión en comparación con la población general de tuiteros.

Han analizado varias características de los mensajes, como el número y la frecuencia de los tuits, la distribución a lo largo del día o durante las horas de la noche, y su carácter estacional. Así, han observado que los usuarios de Twitter que potencialmente sufren de depresión modifican globalmente los rasgos principales de su lenguaje, independientemente del hecho de que los tuits estén relacionados o no con la expresión de depresión.

"Hemos observado que los usuarios con depresión son más activos en Twitter por la noche y los fines de semana respecto a otros usuarios", detalla Angela Leis, investigadora predoctoral y primera autora del trabajo. Esto podría explicarse como resultado del insomnio, uno de los síntomas más frecuentes de la depresión. Además, añade que "suelen interaccionar menos con otros usuarios, retuiteando menos frecuentemente y con textos más cortos". Asimismo, "su vocabulario se caracteriza por una mayor atención en sí mismos, con un estilo de escritura menos variado en el que suelen aparecer palabras de ideación suicida, con abundancia de palabras de carácter negativo, y son frecuentes emociones como tristeza, enojo y repulsión".

Ferran Sanz explica que "los usuarios de Twitter con depresión modifican por tanto la forma de expresarse en las redes sociales y reflejan cambios en sus patrones de comportamiento, y por ello se puede constituir como una herramienta de ayuda a la detección y seguimiento de las enfermedades mentales". Esto corrobora y extiende los resultados obtenidos por los estudios realizados en tuits en inglés.

"Aunque el análisis de los tuits como una forma de determinar la existencia de depresión no se puede usar como un reemplazo para el diagnóstico, tiene el potencial como herramienta complementaria para la detección de trastornos depresivos, con un coste menor que otros procedimientos tradicionales", concluye Ferran Sanz, catedrático del Departamento de Ciencias Experimentales y de la Salud (DCEXS) de la UPF y director del Programa de Investigación en Informàtica Biomèdica del IMIM.

En la investigación han participado también los investigadores del GRIB Francesco Ronzano, Miguel A Mayer y la coordinadora del grupo de Informática Biomédica Integrada del IMIM, Laura I Furlong.

Artículo de referencia

Leis A, Ronzano F, Mayer MA, Furlong LI, Sanz F. Detecting Signs of Depression in Tweets in Spanish: Behavioral and Linguistic Analysis. J Med Internet Res 2019;21(6):e14199. DOI: 10.2196/14199.