ATELIER - ASSOCIATIONS CAUSALES DANS LES TWEETS LIÉS AU DIABÈTE

Cet atelier a été animé par Adrian Ahne, Epiconcet

Les données des médias sociaux, comme Twitter, offrent une opportunité unique d’étudier des données en temps-réel qui ne sont pas disponibles dans un cadre clinique traditionnel. Nous avons commencé à collecter des tweets liés au diabète en mai 2017 sur la base d’une liste prédéfinie de mots-clés et avons rassemblé depuis plus de 30 millions de tweets. Dans la présente étude, nous avons essayé d'identifier les associations causales possibles liées au diabète dans ces tweets, en mettant particulièrement l’accent sur les associations de détresse liées au diabète. La détresse diabétique regroupe tous les facteurs psychologiques, tels que l’anxiété, la peur, le stress, les émotions, liés à la gestion quotidienne de la maladie. Nous avons également essayé d'identifier de nouveaux facteurs de risque potentiels pour le diabète et la détresse liée au diabète et à caractériser les possibles paires de cause-effet liées au diabète afin de mieux comprendre la maladie, ses relations avec différentes entités et de décrire les préoccupations et les inquiétudes liées au diabète. partagé par des personnes sur Twitter.

Déroulé de l'atelier
Présentation NLP (BERT, Transformers) & Active learning & Causality in text data
Présentation cause – effet dataset
Pre-training et nettoyage des données
Identification association causal & Optimisation

Si vous souhaitez en savoir plus sur le contenu de cet atelier, n'hésitez pas à vous rendre sur notre Github. Vous pouvez également retrouver un replay de l'atelier sur notre chaîne Youtube.

Atelier réalisé le 25 Novembre 2021