A review of LWIC and machine learning approaches on mental health diagnosis

Abstract

Machine learning methods are becoming increasingly popular in data analysis. In the field of mental healthcare, these methods provide support to mental disorder diagnosis. Pennebaker developed a dictionary-based text analysis program, and it is also used in mental health diagnosis. In this study, ML and Linguistic Inquiry Word Count (LIWC) studies conducted in the field of mental disorder diagnosis were examined. Researchers aim to integrate LIWC with machine learning to conduct more comprehensive studies. The objective of this study is to examine how combining ML and LIWC methods can detect mental disorder with a focus on comparative research. For this purpose, publications related to ML and LIWC in Google Scholar, Web of Science, Scopus, EBSCO, PubMed were examined. Studies utilizing machine learning and LIWC methods in mental health diagnosis were reviewed to establish an overview of the literature. A table summarizing 15 articles on integrating machine learning and LIWC for mental disorder identification was compiled. Subsequently, the working principles of machine learning and LIWC were examined, and research conducted in the field of mental disorder diagnosis was reviewed. Further research particularly those integrating or comparing these two methods needed to better understand machine learning and LIWC in mental disorder detection.

Makine öğrenmesi yöntemleri veri analizi alanlarında giderek popülerlik kazanmaktadır. Bu yöntemler ruh sağlığı alanındaki tanı belirleme çalışmalarına da destek sağlamaktadır. İlk olarak, Pennebaker sözlük tabanlı bir metin analizi programı geliştirmiştir ve bu program ruh sağlığı teşhisinde de kullanılmaktadır. Bu çalışma kapsamında ruh sağlığı hastalıklar teşhisi alanında yapılmış olan makine öğrenmesi ve Linquistic Inquiry Word Count (LIWC) çalışmaları incelenmiştir. Günümüzde daha geniş araştırmalar yapabilmesi için LIWC ile makine öğrenimini birbirine entegre etmek amaçlanmaktadır. Bu çalışmanın amacı, makine öğrenmesi ve LIWC yöntemlerinin birbirine entegre edilmesinin ruh sağlığı hastalıklarının teşhisinde etkisinin araştırılmasıdır. Özellikle karşılaştırmalı araştırmalara odaklanılmıştır. Bu amaçla, makine öğrenmesi ve LIWC ile ilgili olan Google Scholar, SAGE journals, Web of Science, Scopus, EBSCO, PubMed kaynaklarındaki yayınlar incelenmiştir. Literatürdeki genel durumun ortaya konması amacıyla, ruh sağlığı hastalıkları tespitinde makine öğrenmesi ve LIWC yöntemlerinden yararlanan çalışmalar derlenmiştir. Son olarak makine öğrenimi ve LIWC’in çalışma prensipleri incelenip ruh sağlığı hastalıkları alanında yapılan araştırmalar ve bazı çalışmalar tablolaştırılmıştır. Bu çalışmanın, ruh sağlığı hastalıkları tespitinde makine öğrenimi ve Dilbilimsel Sorgulama Kelime Sayımını daha iyi anlamak için özellikle bu iki yöntemi entegre eden veya karşılaştıran daha fazla araştırmaya ihtiyaç olduğundan, araştırmacılara faydalı olabileceği umulmaktadır.