Twitter, un filón para el estudio de la depresión

Hablamos con Ángela Leis y Ferran Sanz, co-primera autora e investigador principal del estudio.

Miembros del GRIB y el DCEXS-UPF que han estudiado el comportamiento de usuarios con depresión a través de sus tuits. Ángela Leis y Ferran Sanz (tercera y quinto empezando por la derecha)

Miembros del GRIB y el DCEXS-UPF que han estudiado el comportamiento de usuarios con depresión a través de sus tuits. Ángela Leis y Ferran Sanz (tercera y quinto empezando por la derecha)

Acaban de publicar el segundo de un par de artículos donde estudian el comportamiento de pacientes que sufren depresión a través de sus tweets. Les apetece explicar y hacer crecer el proyecto en el que han estado trabajando con sus compañeros del Programa de Investigación en Informática Biomédica (GRIB), una unidad del Departamento de Ciencias Experimentales y de la Salud, Universidad Pompeu Fabra (DCEXS-UPF) y el Instituto Hospital del Mar de Investigaciones Médicas (IMIM). Tienen muy claro que la depresión, como la mayoría de enfermedades mentales, vive en el olvido. Según la última encuesta nacional de salud, uno de cada 15 españoles padece depresión, y de éstos, sólo tres de cada cinco buscan ayuda. No pierden de vista su objetivo: repercutir positivamente en el paciente. Y piensan que su investigación podría llegar a ser una herramienta complementaria a la historia clínica para detectar precozmente la depresión o hacer un seguimiento de la enfermedad fuera de la consulta.

«En Estados Unidos, hacían estudios para identificar a personas que sufrían enfermedades mentales a través de su comportamiento en redes sociales y decidimos estudiarlo en lengua española»

Ángela Leis, co-primera autora

¿De dónde surgió la inquietud de estudiar el comportamiento de personas con depresión en las redes sociales?

Ángela es psicóloga y siempre ha tenido un especial interés para estudiar las redes sociales desde un punto de vista profesional., desde los aspectos éticos de usarlas hasta conocer cómo condicionan la salud mental.

Al inicio de su doctorado, dio cuenta de que, en Estados Unidos, estaban empezando a hacer estudios para identificar a personas que sufrían enfermedades mentales a través de su comportamiento en redes sociales. Así que decidimos aplicar los conocimientos de análisis de datos masivos que teníamos en el GRIB para estudiar las intervenciones en lengua española en Twitter de pacientes que sufrían depresión. En un segundo artículo, nos centramos en los pacientes que se medicaban para tratar la enfermedad, concretamente con inhibidores de la recaptación de la serotonina.

¿Por qué Twitter?

Queríamos hacer un estudio utilizando varias redes sociales, pero las políticas de privacidad nos dificultaban poder acceder a todo el historial de publicaciones de los individuos estudiados. Al final nos decantamos por Twitter, porque la mayoría de usuarios tienen el perfil público y es muy fácil acceder a la información.

¿Por tanto, los usuarios no saben que habéis estudiado sus perfiles?

No. ¡La gente escribe en Twitter para que lo lea todo el mundo! Lo que sí hemos tenido en cuenta cuando hemos querido poner alguna cita, es anonimizar toda la información. Hemos seguido un protocolo que ha sido aprobado por el comité de ética del Hospital del Mar.

¿Y, cómo hicisteis la selección de los perfiles a estudiar?

En el segundo estudio, hicimos un listado de los medicamentos antidepresivos que queríamos estudiar y mediante análisis masivos hicimos una primera selección de los tuits que contenían estas palabras. Eso sí, después había que validar manualmente que los usuarios que citaban el fármaco lo hacían porque lo estaban consumiendo.

Más o menos, todos estamos familiarizados con el concepto de análisis de datos masivos, pero también habéis hecho análisis de minería de textos. ¿En qué consiste esta técnica?

Es una técnica computacional que permite entender qué nos está diciendo un texto. Por ejemplo, podemos detectar si un mensaje expresa alegría, miedo o ansiedad. Todo esto se hace analizando categorías gramaticales, los pronombres, adverbios… y el tipo de palabras que se utilizan. Pero no solo hicimos un análisis lingüístico, sino que, mediante otras técnicas, también analizamos el comportamiento de los usuarios que emitían los tuits.

«Los usuarios depresivos tuitean indiferentemente de día, de noche o cualquier día de la semana. El “yo” está mucho más presente y también se percibe más negatividad en los mensajes.«

Ferran Sanz, investigador principal

¿Y habéis encontrado algún patrón que diferencie los usuarios que padecen depresión de los usuarios control?

¡Sí! Los usuarios depresivos tuitean indiferentemente de día, de noche o cualquier día de la semana, mientras que los usuarios control tuitean mayormente de día y entre semana.  Además, los usuarios que padecen depresión utilizan muchos más pronombres en primera persona del singular. El “yo” está mucho más presente y también se percibe más negatividad en los mensajes.  

¿La toma de la medicación modula estos patrones?

Los usuarios que tomaban medicación tendían a comportarse de una forma más similar a los usuarios control. Tuiteaban mucho menos de noche, pero curiosamente, la abundancia del yo y la negatividad no se perdían con tanta facilidad.

¿Habéis encontrado alguna relación entre la depresión y el uso de imágenes o iconos?

Sorprendentemente, cuando analizamos el uso de iconos no vimos ninguna relación significativa. Y las imágenes no las hemos estudiado, aunque sería un aspecto a tener en cuenta en el futuro.

¿Vais a seguir con esta línea de investigación?

Nos gustaría poder utilizar este tipo de herramientas en un entorno clínico para hacer un seguimiento de los pacientes con riesgo, previo consentimiento informado, más allá de la consulta. Este análisis de las redes sociales, nos podría ayudar a detectar de forma precoz algunos trastornos mentales.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *