Il linguaggio sui social media rivela preoccupazioni per i pazienti con tumore ovarico
Studio ONS: i pazienti oncologici utilizzano sempre di più i social media
I social media oggi sono diventati una camera di risonanza in cui ogni problema sociale viene riverberato molte volte, incluso il cancro. Molti dei pazienti usano i social media per cercare e condividere informazioni sulla loro malattia, e alla luce di questo dato di fatto, le strutture sanitarie dovrebbero iniziare a capire e studiare il tipo di contenuto pubblicato perchè il volume di post sui social rappresenta un ricco pool di dati che possono essere usati per valutare atteggiamenti e discorsi che circondano il cancro.
Il linguaggio usato sui social media può rivelare importanti indizi sulle prospettive, i valori e le esigenze dei pazienti e dei caregivers affetti da cancro ovarico, e un recente studio di questi dati dovrebbe essere il primo di molti, secondo un gruppo di ricercatori i cui risultati sono stati presentati al 44esimo congresso annuale dell’ONS (Oncology Nursing Society) svolto dall’11 al 14 aprile scorso all’Anaheim Convention Center di Anaheim, California.
Nello studio i ricercatori dell’Università di Pittsburgh e della British Columbia hanno utilizzato un approccio di apprendimento automatico per analizzare la lingua sui social media come mezzo per comprendere le preoccupazioni dei pazienti colpiti in modo da poter sviluppare interventi migliori per loro e focalizzare la ricerca sui loro maggiori bisogni. L’approccio mira a integrare questionari e interviste come modi per raccogliere queste informazioni, ha detto l’autore principale Young Ji Lee, PhD, MS, RN, assistente professore alla School of Nursing presso l’Università di Pittsburgh School of Medicine.
I ricercatori hanno analizzato i primi post di circa 855 pazienti e operatori sanitari che hanno commentato il forum online di sostegno tra pari online del Cancer Survivors Network tra il 2006 e il 2016. Hanno applicato l’apprendimento automatico, utilizzando semplici tecniche di elaborazione del linguaggio naturale, per costruire un modello computazionale che decidesse se ogni post era caduto in 1 o più di 12 categorie. Le categorie, identificate attraverso una revisione degli studi esistenti in letteratura, includevano aspetti fisici, psicologici / emotivi, familiari, sociali, interpersonali / intimi, pratiche, quotidiane, spirituali / esistenziali, informazioni sanitarie, comunicazione paziente-clinico, bisogni cognitivi e varie.
I bisogni più frequenti sono legati alla salute, fisicità, emozione e sociali
Il modello utilizzava le caratteristiche bag-of-words (BOW), considerando ogni parola in un messaggio per il suo potenziale nel classificare i bisogni finali dell’utente. I ricercatori hanno identificato le caratteristiche importanti per ogni categoria di bisogno utilizzando l’analisi matematica e le metriche di prestazione.
Hanno scoperto che i bisogni più frequenti tra i messaggi erano informazioni sulla salute (n = 456), sociali (n = 307), psicologici / emotivi (n = 141) e fisici (n = 109). Di tutti i post, il 39% ha descritto sia le informazioni che i bisogni sociali. I bisogni fisici, psicologici, sanitari e sociali sono stati identificati con la massima precisione dal modello.
Le categorie meno frequenti erano varie (n = 74), familiari (n = 53), pratiche (n = 35), comunicazione paziente-clinico (n = 19), interpersonale / intimità (n = 14), spirituale / esistenziale (n = 10), vita quotidiana (n = 5) e cognitiva (n = 4). In particolare, “abbiamo bisogno di sviluppare strategie sanitarie e digitali che prevedano con precisione i bisogni spirituali”, ha commentato Lee.
Di tutti i post, il 38% ha descritto esigenze multiple e di questi il 40% ha descritto insieme esigenze sociali e informative.
Le parole che descrivevano stati psicologici, come “rabbia” e “ansia“, erano caratteristiche importanti per la classificazione dei bisogni psicologici / emotivi e sociali, e termini medici, come “endoscopia” e “colonscopia”, erano predittivi che un post si sarebbe focalizzato su bisogni fisici e informativi.
Gli autori hanno concluso che anche i semplici programmi per l’analisi delle parole possono rilevare le esigenze dei pazienti e dei caregiver con un alto grado di accuratezza e che gli stessi esercizi possono prevedere più esigenze contemporaneamente. Hanno trovato questo tipo di query un modo prezioso per i medici di capire i pazienti.
“I nostri risultati suggeriscono il potenziale dell’utilizzo di più funzioni linguistiche e metodi di classificazione per sviluppare un modello più sofisticato”, hanno affermato. “Il nostro lavoro futuro prevede l’esplorazione di altre caratteristiche linguistiche (ad es. gruppi di parole raggruppati usando tecniche di modellazione di argomenti, tassonomie, ecc.).”
Riferimento: Lee YJ, Jang H, Campbell G, et al. Identificazione delle caratteristiche linguistiche associate ai bisogni dei pazienti con tumore ovarico e dei caregivers che utilizzano i social media. Presentato a: Oncology Nursing Society 44th Annual Conference; Anaheim, California; 11-14 aprile 2019. Estratto 5674.