Nos tweets peuvent-ils prédire une attaque cardiaque ? « InternetActu.net

/nos-tweets-peuvent-ils-predire-une-atta

  • @monolecte
    Monolecte 😷🤬 CC BY-NC-SA
    2
    @iactu
    @simplicissimus
    2

    Nos tweets peuvent-ils prédire une attaque cardiaque ? « InternetActu.net
    ▻http://www.internetactu.net/2015/05/06/nos-tweets-peuvent-ils-predire-une-attaque-cardiaque

    Des chercheurs de l’université de Pennsylvanie sous la direction du psychologue Johannes Eichstaedt (directeur du World Well-Being Project) ont analysé 826 millions de tweets provenant de l’ensemble des comtés américains et ont donné à chaque comté un profil émotionnel pour voir si cela se corrélait avec le nombre de décès par maladie cardiaque. Et bien c’était le cas. Les comtés où les tweets contenaient des mots les plus hostiles, agressifs, haineux étaient également ceux où le taux de décès par maladie cardiovasculaire était les plus nombreux. Inversement, là où les tweets avaient tendance à refléter des émotions plus positives, le taux de décès par maladie cardiaque était moins fréquent.

    Monolecte 😷🤬 CC BY-NC-SA
    • @simplicissimus
      Simplicissimus

      Contrairement à ce que fait plus que suggérer le titre et comme le précise bien l’extrait, il ne s’agit en aucun cas d’une « prédiction » au niveau individuel, mais d’un lien entre variables au niveau du comté (3000 comtés aux É.-U., de 80 à 10 M d’habitants, médiane à 25000)…

      Psychological Language on Twitter Predicts County-Level Heart Disease Mortality
      ▻http://pss.sagepub.com/content/early/2015/01/20/0956797614557867.abstract

      Abstract
      Hostility and chronic stress are known risk factors for heart disease, but they are costly to assess on a large scale. We used language expressed on Twitter to characterize community-level psychological correlates of age-adjusted mortality from atherosclerotic heart disease (AHD). Language patterns reflecting negative social relationships, disengagement, and negative emotions—especially anger—emerged as risk factors; positive emotions and psychological engagement emerged as protective factors. Most correlations remained significant after controlling for income and education. A cross-sectional regression model based only on Twitter language predicted AHD mortality significantly better than did a model that combined 10 common demographic, socioeconomic, and health risk factors, including smoking, diabetes, hypertension, and obesity. Capturing community psychological characteristics through social media is feasible, and these characteristics are strong markers of cardiovascular mortality at the community level.

      L’auteur principal est un jeune et brillant doctorant qui se présente ainsi :

      Johannes Eichstaedt
      ▻http://www.jeichstaedt.com

      I am a #data_scientist in psychology. I use Facebook and Twitter to measure the psychological states of large populations, and even small populations. We are characterizing the psychological profiles of communities that support their well-being, or make them sick. 

      I’m a PhD student in psychology at the University of Pennsylvania under Martin Seligman. In 2011 I co-founded the World Well-Being Project, a team that uses clever Natural Language Processing and machine learning to, well, measure the well-being of the world. Eventually.

      #big_data

      Simplicissimus
    Écrire un commentaire