1.1 研究背景
隨著社會文明的迅速演變，環境中充斥著許多的干擾，對現代人的生 活機能產生了不良的影響。通常面對眾多生活事件的變化時，便會引發壓 力，進而使得罹患疾病的風險增加。
近年來，國民的健康意識逐漸崛起，個人的身心健康議題亦備受關注。
在預防醫學學門中，針對疾病的預防訂定了三個層級，如表 1.1 所示，包 括了初級預防(primary prevention)、二級預防(secondary prevention)及三級 預防(tertiary prevention)，其中初級預防主要是針對普遍大眾進行疾病衛生 的宣導，第二級預防則是針對高風險的對象進行建議以避免後續引發疾病，
而通常到了第三級的預防，針對的對象便是已經確切罹患疾病的患者，在 整體醫療成本相對便會提高。因此，若不能提早針對廣大的社會大眾進行 完善的疾病預防宣導及實行改善措施，勢必會造成不必要的醫療資源浪費。
根據美國心理學會(American Psychological Association)研究[3]顯示，人們 在處於壓力的環境下，會直接對於個人的生理及心理健康造成不良的影響，
如會有易怒、緊張、憂鬱等現象發生，成為罹患憂鬱症的高危險群。所以 如何有效的幫助使用者了解本身的壓力狀態，進而達成預防罹患憂鬱症的 功效，便是一個重要的議題。
目前在憂鬱症的預防上，通常只能做到第三級的預防，也就是通常是 到了就診階段時，才得知是罹患了憂鬱症，接著才採取治療措施。而在臨
床上，病患的相關生活資訊通常相當匱乏，所以在憂鬱症的預防也有著一 定的困難度。另外，Asia Barometer 機構[28]2009 年對東亞七個國家的生 活素質做了調查，報告中指出台灣人的快樂指數是敬陪末座，由此可見台 灣人潛在的憂鬱傾向人口與 2002 年由衛生署調查報告中估計台灣罹患憂 鬱的人口將近百萬(4.3%)相比，仍然有不斷成長的趨勢，世界衛生組織 (WHO)估計到 2020 年憂鬱症將成為全球「疾病負擔」的第二位，僅次於 心臟血管疾病，根據流行病學調查顯示，全世界約有百分之三的人口罹患 各類憂鬱症，憂鬱症的終身盛行率高達 15%，每六個人中就有一人會有罹 患憂鬱症的可能(柯慧貞、陸汝斌 2002)，這些現象不只顯示憂鬱症在台灣 社會已經是不容忽視的醫療衛生議題，更是全世界人民正在持續關注的健 康焦點。
表 1.1 預防醫學層級定義
Level Definition
primary prevention Methods to avoid occurrence of disease. Most population-based health promotion efforts are of this type.
secondary prevention Methods to diagnose and treat existent disease in early stages before it causes significant morbidity.
tertiary prevention Methods to reduce negative impact of existent
disease by restoring function and reducing
disease-related complications.
1.2 研究動機與問題
由於科技的成長進步，驅使著現代人嘗試運用不同於以往的網路技術，
如無名小站、痞客邦 PIXNET 等知名部落格網站，並結合各種行動通訊裝 置及軟體，撰寫不同於傳統紙本日記的線上生活記錄。在這些生活紀錄中，
通常有著許多代表性的壓力事件，並引發不同的負面情緒、症狀及負面行 為表現。當壓力事件的影響力到達一定的程度後，便會讓使用者罹患憂鬱 症的風險提高，因此我們希望透過資訊的技術來擷取使用者的生活紀錄，
以得知使用者的壓力來源，並依此來預測網路使用者的憂鬱傾向。
藉由觀察網路使用者所撰寫的文章中的內容，便可以發現造成壓力的 來源。我們在實際觀察網路使用者所撰寫的文章後，發現在文章中會具有 壓力事件(Stressful Life Event)的詞彙，之後引發了負面情緒(Negative Emotion)、症狀(Symptom)、負面行為(Negative Behavior)。此四種因素稱 為憂鬱因素(Depression Factor)，接著我們會利用這四種因素來預測網路使 用者的憂鬱傾向。如表 1.2 中，便呈現了網路使用者所撰寫文章的各個特 徵值的標記內容，文章的例子中，我們可以發現造成該使用者主要來源的 壓力事件的描述吃藥，害怕是負面情緒詞，失眠是症狀詞，最後則是負面 行為自殺。在臨床治療上，通常患者不會將過往相關的生活歷程完整記錄 及表達，這也使得整體的診治資源顯得較不充裕。所以我們期望能夠研發 新的偵測技術，提供更多的診治資源給醫護人員，使醫療品質能夠有所提 升。
表 1.2 PTT BBS 站 Prozac 板文章中出現 Depression Factor 我覺得我的失眠情況一直沒有改善
自律神經一直好不了...
自律神經除了靠運動之外 還有什麼方法可以讓它好起來呢....
我現在都是靠吃藥來維持至少吃一些東西 之前一天吃兩次抗焦慮藥
現在一天照三餐吃...
很害怕下一次醫生會不會又加重失眠藥與抗焦慮的藥量...
我每天都在懷疑自己到底好不好得起來 每天都覺得生活毫無目標 好想自殺
很怕一直靠藥 真的很怕...
1.3 研究目標
本研究的目標在於提出一個有效的壓力事件導向模型(Stressful Life Event-Driven Model, SLEM)，分析網路使用者的憂鬱傾向，協助偵測造成 壓力來源的壓力事件，進一步在臨床治療上，協助專業醫療人士診治的資
研究中將分析網路作者在網路透過各種平台所分享的文章，經由文章 中透漏出來造成壓力的事件、負面情緒、症狀及負面行為量化成指標，藉 此來判斷文章中所透漏出來的憂鬱傾向。
1.4 研究方法
本研究的解決方法在於以造成壓力的事件、負面情緒、症狀及負面行 為四類的辭典為基礎的分析模型，針對同一位作者在網路所撰寫的文章做 分析，擷取造成壓力的事件，進一步搭配負面情緒、症狀與負面行為，來 預測使用者的憂鬱傾向。整體的方法分成以下步驟:
首先要先蒐集高度潛在具有憂鬱傾向可能性的文章，所以先從國內知 名 BBS 網站 PTT 裡的憂鬱症板(Prozac 板)找出相關文章，然後把這些大量 的文章進行正規處理，抓取我們需要的資訊像是使用者 ID、文章標題、文 章內文等等。
第二步，我們必須先了解現今醫學上是如何對憂鬱症及壓力進行評估，
並建構憂鬱症與壓力評估間的相互關係。根據美國精神疾病協會(American Psychiatric Association, APA)出版的精神疾病診斷與統計手冊第四版修訂 版(DSM-IV-TR)[1]的症狀，我們可以歸納出以壓力事件為基礎所衍伸出來 的四種詞彙來當成壓力事件驅動模型(SLEM)的判別特徵。我們透過壓力事 件驅動模型(SLEM)的概念，再結合目前實際臨床上診斷患者壓力的判別標 準上，常用到的壓力事件(Stressful Life Event)判別量表當成主要的壓力事 件索引依據，其中包括了社會再調適量表(Social Readjustment Rating Scale) 及日常瑣事量表(Hassles Scale)，依照以上所述的評估資料來與模型中所會
用到的各種特徵值做結合，進一步提出各個特徵函數。
最後我們利用本研究提出的壓力事件驅動模型(SLEM)計算網路使用 者所撰寫文章的憂鬱傾向分數，呈現網路使用者因為壓力事件(Stressful Life Event)而導致憂鬱傾向的影響程度，以此幫助判斷網路使用者的憂鬱 傾向。
1.5 論文架構
本論文的第二章節介紹相關文獻探討，其中提及憂鬱症與壓力評估的 相關文獻；第三章說明本研究的方法；第四章為實驗與結果分析；第五章 則是結論及未來工作。