A relação entre sono e saúde mental, particularmente a depressão, representa uma área crítica de estudo com implicações significativas para o bem-estar individual e a saúde pública. Este trabalho apresenta o SleepDepNet, uma estrutura de aprendizado multitarefa baseada em transformadores projetada para modelar conjuntamente a qualidade do sono e o sentimento depressivo a partir de textos gerados por usuários. Usando dados coletados de comunidades do Reddit relacionadas ao sono e à saúde mental, a abordagem proposta integra mecanismos de atenção, características sensíveis a emoções e modelagem de tópicos para capturar padrões linguísticos sutis associados a distúrbios do sono e estados emocionais. Resultados experimentais demonstram que o SleepDepNet supera modelos de referência, alcançando F1-scores de 0.89 para a classificação da qualidade do sono e 0.86 para a análise de sentimentos depressivos. Os mecanismos de atenção do modelo proporcionam interpretabilidade ao destacar indicadores linguisticamente salientes ligados a expressões emocionais e relacionadas ao sono. Além disso, o SleepDepScore proposto, que integra as saídas de ambas as tarefas, oferece uma medida unificada para avaliar níveis de risco combinados e apoiar a priorização em aplicações posteriores. No geral, os achados sugerem que o aprendizado multitarefa oferece uma direção promissora para modelar relações complexas entre sono e saúde mental no discurso online. Embora os resultados demonstrem forte desempenho sob condições controladas, a estrutura é projetada para suportar análises escaláveis e pode informar futuras pesquisas sobre monitoramento digital da saúde mental e identificação precoce de riscos.
Kumar et al. (Qui,) estudaram esta questão.