从社交媒体预测心理健康状态的方法论差距：诊断信号的三角定位

越来越多的研究将社交媒体数据与机器学习相结合，以预测个人的心理健康状态。这项研究的一个意义在于提供基于证据的诊断和治疗信息。然而，从敏感的患者群体中获得临床有效的诊断信息具有挑战性。因此，研究人员将特征在线行为操作化为“代理诊断信号”，用于构建这些模型。本文提出了使用这些诊断信号支持临床决策的挑战。我们关注从社交媒体中常用的三个代理诊断信号，发现基于这些数据构建的预测模型虽然具有很强的内部有效性，但在测试心理健康患者时却表现出较差的外部有效性。深入分析揭示了人口和抽样偏差问题，以及这些代理固有的构建效度不确定性。我们讨论了这些差距的方法学和临床含义，并为未来的研究提供了补救指南。