作者回复:文献计量学研究和社交媒体心理健康研究学科。对《社交媒体中心理健康的机器学习:文献计量学研究》的评论

我们感谢所有对我们的研究“社交媒体中心理健康的机器学习:文献计量学研究”的评论和重要见解[1]。在这封信中，我们回应了Resnik及其同事提出的讨论要点[2]。

首先，Resnik等[2]指出我们在文献计量学研究中选择的检索查询范围有限，掩盖了临床研究领域所采取的方法。我们同意，搜索查询可能似乎缺乏涵盖临床研究;然而，我们并不打算在社交媒体上歪曲机器学习在心理健康方面的最新趋势。此外，考虑到出版场所包括医学互联网研究杂志，BMJ开放，国际环境研究和公共卫生杂志，精神病学前沿,心理学前沿在分析结果中被列为富有成效的出版物来源，我们认为我们分析中使用的出版物涵盖了医学研究领域的宝贵研究方法。已检索刊物的完整清单载于附录[1]。

此外，Resnik等[2]还指出，搜索查询中与机器学习相关的术语倾向于特定的技术方法，可能不包括筛选、风险评估和监控等解决方案。我们非常同意他们的观点，即实际工作应用于“真实”临床环境的重要性。然而，由于这些与诊断或治疗直接相关的方法需要仔细考虑，我们很难完全深入研究。因此，我们想强调的是，我们研究的主要重点是帮助临床研究人员和领域附属机构了解机器学习的技术需求，我们认为这对于该研究领域的启动阶段是必要的。此外，我们对高被引论文进行了深入的趋势回顾分析，以更深入地了解相关研究领域[3.]。

我们感谢你对搜索关键词的建议，包括“临床心理学”、“精神病学”和“计算语言学”。这导致我们考虑在未来的研究中，按照之前文献计量学研究的程序，采访领域专家来设置更多特定于领域的关键词[4]。

第三，Resnik及其同事[2提出了只使用索引服务而不使用b谷歌Scholar等搜索引擎的担忧。考虑到该研究领域的快速变化趋势，我们使用Web of Science和Scopus进行分析，不仅涵盖期刊出版物，还包括会议记录。尽管如此，我们承认Resnik及其同事的担忧，并提到需要使用其他面向医学的数据库，这些数据库可能提供更重要的学术和实用信息讨论部分。我们也想借此机会通过分享这一研究领域的预印本论文来回顾未发表作品的重要性[5]，这帮助我们朝着将机器学习和社交媒体应用于心理健康咨询的未来研究迈出了一步。

我们希望我们的分析可以引发所有利益相关者进一步考虑如何在社交媒体中使用机器学习方法来解决心理健康问题，并为弥合技术专家和临床医生之间的差距提供支持。