推特直观反应出新冠疫情对人心理健康的影响

埃塞克斯大学和悉尼科技大学专家对9400万条推特贴的分析，结合了机器学习技术开发出一个模型，

目的是在社媒平台监测用户有抑郁、压力、焦虑或自杀想法迹象的数据，

并最终帮助公共健康专家能实时观察人群在社区中的抑郁水平。

埃塞克斯计算机科学与电子工程学院的机器学习专家Dr. Shoaib Jameel 进一步解释：

“全球几百万用户发推特贴来分享个人的想法、照片、生活、他们去过的地方以及其他多元化内容，

因为一场疫情导致人们减少与更多社会人接触的机会，大部分人只能发推特来表达个人感受，

这其中就有与抑郁状态相关的信号，虽然多数人并不会直接表达他们正处于抑郁情绪中。”

“这次研究意义非凡，因为它帮助我们理解大家经历抑郁状态的时间线，如当时是否正处于封城阶段。

虽然本次研究对象是澳洲用户，但相关研究发现也适用于任何地区。”Dr. Jameel补充道。

以机器学习为基础研发的抑郁状态侦测模型，它将帖子内容依据据话题、情绪以及表情符号等行为元素分类，

同时识别出抑郁的症状，如疲惫、体重减轻、自暴自弃以及自杀观念雏形。

本模型可以解释在澳洲新冠肺炎爆发初期，新南威尔士州的抑郁等级大幅升高，

而在2020年3月26日达到峰值，这与当地新冠肺炎确诊数目峰值的日期很吻合。

相关政府采取了诸如3月31日封城等政策，但似乎略微加剧了抑郁等级，最终封城政策的放宽并未减轻抑郁状况。

悉尼科技大学计算机专家Professor Guandong Xu最后总结道：

“发现社区抑郁水平的动态有助于帮助政府/决策者们更好得理解各项政策决定对社区中的人所造成的心理影响，

也能帮助他们及时发现需要增强公共健康支持的社区。”