Population-Level Profiling of DSM-5 Depressive Symptoms Among Self-Reported ADHD and ASD Users on Twitter: An Exploratory Study Using Advanced NLP and Statistical Analysis

Technische Samenvatting: Populatiebrede Profilering van DSM-5 Depressieve Symptomen bij ADHD en ASD Twitter-gebruikers

Probleemstelling
Depressie komt vaak samen voor met aandachtstekort-/hyperactiviteitsstoornis (ADHD) en autisme spectrum stoornis (ASS). Hoewel epidemiologische gegevens bevestigen dat de prevalentie van depressieve symptomen in beide populaties verhoogd is, blijft kwantitatief bewijs over hoe de fenomenologie van depressie tussen hen verschilt op populatieniveau schaars. Specifiek is er een gebrek aan grootschalige studies die simultaan alle negen DSM-5 symptomen van een majeure depressieve episode profileren om te bepalen of zelfgerapporteerde ADHD- en ASS-gebruikers deze symptomen verschillend uiten in natuurlijke taal. Bestaande literatuur richt zich vaak op lexicale of thematische verschillen in plaats van formeel gedefinieerde dimensies, en klinische verslagen die wijzen op verschillen in executieve disfunctie, burn-out of beloningsgevoeligheid missen populatieschaal-validatie.

Methodologie
De studie maakte gebruik van een tweestaps NLP-pipeline om 1.282.437 tweets van 792 zelfgerapporteerde gebruikers (622 ADHD, 170 ASS) te analyseren, afkomstig uit een publieke dataset van diagnose-onthullingen.

1. Data Pre-processing en Filtering:

   • Fase 1 (Zero-Shot Screening): Een zero-shot Natural Language Inference (NLI) model (cross-encoder/nli-deberta-v3-large) screende tweets op depressieve relevantie. Het model beoordeelde of een tweet de hypothese "DSM-5 depressief symptoom aanwezig" impliceert. Om de robuustheid te waarborgen, vertrouwden de auteurs niet op een enkele afkapwaarde, maar doorliepen zij de waarschijnlijkheidsdrempel over vijf waarden (0,45 tot 0,65). Deze fase gaf prioriteit aan recall om te voorkomen dat relevante data permanent verloren ging.
   • Fase 2 (Symptoom Classificatie): Tweets die de pre-filter passeerden, werden geclassificeerd in de negen DSM-5 symptomen (neerslachtige stemming, anhedonie, verandering in eetlust, slaapproblemen, psychomotorische verstoring, vermoeidheid, waardeloosheid, cognitieve problemen, suïcidale ideatie) met behulp van een gefinetuned MentalRoBERTa model. Het model werd getraind op de ReDSM5 corpus, een door experts geannoteerde dataset van Reddit-zinnen gelabeld door een erkend psycholoog.
   • Kalibratie: De Fase 2-classifier maakte gebruik van een per-label beslissingsdrempel-kalibratie (variërend van 0,150 voor suïcidale gedachten tot 0,825 voor neerslachtige stemming) om de binaire F1-scores voor elk symptoom onafhankelijk te maximaliseren, ter adressering van de klassenimbalans.

2. Gebruikersniveau Profilering:

   • Per-gebruiker symptoomprofielen werden geconstrueerd door de ruwe sigmoid-scores van gefilterde tweets (tweets die zowel de zero-shot filter als de per-label symptoomdrempel passeerden) te middelen.
   • Gebruikers met minder dan 30 gekwalificeerde tweets werden uitgesloten.
   • Centrering op Gebruikersniveau: Om relatieve symptoomnadruk te isoleren van de algemene intensiteit van depressieve taal, werd elk gebruikersprofiel gecentreerd door het eigen gemiddelde over de negen symptomen af te trekken.

3. Statistische Analyse en Robuustheid:

   • Discriminatieve Analyse: L1-gepenaliseerde (LASSO) logistische regressie werd gebruikt om ADHD- van ASS-gebruikers te onderscheiden op basis van gecentreerde symptoomprofielen. Het model werd geëvalueerd met 5-voudige kruisvalidatie.
   • Robuustheidscriteria: Om te garanderen dat bevindingen geen artefacten waren van specifieke drempelkeuzes, pasten de auteurs een gradueel robuustheidsschema toe. Bevindingen vereisten Niveau 1 status (identieke coëfficiëntteken over alle vijf de drempels EN een bootstrap selectiefrequentie ≥0,90 bij elke drempel) om als primaire bevindingen te worden beschouwd. Niveau 2 status vereiste consistente tekens, maar stond lagere selectiefrequenties of intervallen toe die nul bevatten.
   • Co-occurrence Analyse: Pearson-correlaties werden berekend tussen alle 36 paren symptomen voor elke groep. Bootstrap-resampling (1.000 iteraties) werd gebruikt om de stabiliteit van de correlatiecoëfficiënten en de significantie van verschillen tussen groepen te beoordelen.

Belangrijkste Bijdragen

1. Populatiebrede Karakterisering: De studie biedt een exploratieve, populatiebrede profilering van hoe de negen DSM-5 depressieve symptomen differentiëel worden benadrukt tussen de zelfgerapporteerde ADHD- en ASS-gemeenschappen op Twitter.
2. Geavanceerde Classificatie-pipeline: Het introduceert een tweestaps pipeline die zero-shot NLI pre-filtering koppelt aan een MentalRoBERTa multi-label classifier gefinetuned op ReDSM5, wat aantoont dat domein-adaptieve transformers DSM-5 criteria met een hoge zin-niveau prestatie kunnen operationaliseren (Macro-F1 = 0,901).
3. Gegradeerd Robuustheidsschema: Het artikel draagt bij met een methodologisch kader dat expliciet onderscheid maakt tussen bevindingen die ondersteund worden door zowel bootstrap-stabiliteit als cross-threshold consistentie, en bevindingen die instabiel zijn, waarmee het verder gaat dan enkelvoudige drempelanalyses.
4. Co-occurrence Analyse: Het voegt een analyse op gebruikersniveau toe die test of de structurele organisatie (paarsgewijze co-occurrence) van depressieve symptomen verschilt tussen de twee groepen.

Resultaten

• Classifier Prestaties: Het gefinetuned MentalRoBERTa model bereikte een Macro-F1 van 0,901 op de gehouden testset, wat de eerdere benchmarks op de ReDSM5 corpus substantieel overtreft.
• Discriminatieve Profielen: De logistische regressie leverde een bescheiden maar stabiele discriminatie op (ROC-AUC 0,645–0,653). Zes symptomen voldeden aan de Niveau 1 (Robuust) criteria:
  • ADHD-gericht: Cognitieve problemen, slaapverstoring, verandering in eetlust en vermoeidheid.
  • ASS-gericht: Suïcidale ideatie en anhedonie.
  • Niveau 2 (Richting-consistent): Psychomotorische verstoring vertoonde een ASS-gerichte trend, maar met iets lagere stabiliteit.
  • Symptomen zoals waardeloosheid en neerslachtige stemming voldeden niet aan de robuustheidscriteria vanwege instabiele tekens of lage selectiefrequenties over de drempels heen.
• Co-occurrence Structuur: De analyse onthulde een grotendeels gedeelde symptoom co-occurrence ruggengraat tussen de groepen. Een somatische cluster (vermoeidheid, slaap, psychomotorische verstoring, eetlust) en een mood trade-off structuur werden in beide groepen waargenomen. Van de 36 symptoomparen waren er 17 individueel bootstrap-robuust in beide groepen zonder significant verschil tussen de groepen. Geen enkel paar voldeed aan het strikte criterium voor een stoornisspecifiek co-occurrence patroon (sign-stable verschil met 9 95% BI die nul uitsluit bij alle drempels).

Significantie en Claims
De auteurs kaderen dit werk strikt als exploratief en populatiebreed. Zij stellen expliciet dat de geobserveerde verschillen populatiebrede reproduceerbaarheid reflecteren in plaats van klinische validiteit of individuele diagnostische capaciteit. De bescheiden AUC-scores geven aan dat hoewel het signaal stabiel is over verschillende analytische drempels, het niet voldoende is voor individuele screening of diagnose.

De significantie van de bevindingen ligt in het identificeren van systematische, reproduceerbare patronen in hoe depressieve ervaringen worden gecommuniceerd over neurodevelopmental condities heen. De resultaten suggereren dat terwijl de kernstructuur van symptoom co-occurrence gedeeld wordt, de relatieve nadruk op specifieke dimensies (bijv. cognitieve/somatische problemen in ADHD versus anhedonie/suïcidale ideatie in ASS) verschilt. Deze bevindingen zijn bedoeld om te dienen als corroborerende observationele bronnen voor klinische hypothesen over fenomenologische verschillen tussen ADHD en ASS, in plaats van als bewijs voor een afwijkende depressieve fenomenologie op individueel niveau. De studie erkent beperkingen zoals de afhankelijkheid van zelfgerapporteerde diagnoses, potentiële selectiebias en het gebrek aan een neurotypische controlegroep.