基于机器学习主题建模的韩国社会处方的有效性和策略

摘要 背景 社会处方是一种非医学方式，将个人与基于社区的服务连接起来以改善健康和福祉，这一做法在全球范围内扩展，包括韩国。尽管其采纳率不断提高，但在韩国背景下评估社会处方的有效性、实施策略和政策影响的系统证据仍然有限。 方法 本研究对与韩国社会处方相关的文献进行了范围综述。英文和韩文文章来自五个数据库（Google Scholar、Web of Science、PubMed、Scopus 和 KCI），没有时间限制。根据预定义标准筛选和选择研究。采用基于机器学习的主题建模（LDA、NMF 和 BERTopic）提取纳入研究的潜在主题结构。评估指标包括一致性得分、困惑度、主题多样性和主题平衡引导的模型选择。由于其优越的性能，最终选择了 NMF 模型进行分析。 结果 从 16 项研究中识别出六个关键主题类别：(1)心理健康，(2)评估，(3)项目，(4)社会问题，(5) COVID-19 和 (6)国际比较。心理健康和社会孤立已成为主要关注点，特别是在老龄化的农村人口中。集中于园艺、音乐和数字平台的项目被报道为在改善心理健康和社区参与方面有效。分析还突显出量身定制符合韩国人口和政策环境的本地化模型的必要性。 结论 本研究强调了韩国社会处方需要全面政策框架的必要性。推荐整合数字技术以实现远程交付，适应农村健康差距，并借鉴已建立的国际模型。本研究展示了基于人工智能的文本挖掘作为公共卫生证据综合和政策规划的创新方法的实用性。