标题： 使用大语言模型的自动化主题分析：坐骨神经痛伤口管理社交媒体讨论案例 显示英文标题

标题： Automated Thematic Analyses Using LLMs: Xylazine Wound Management Social Media Chatter Use Case

摘要： 背景 大型语言模型（LLMs）在归纳主题分析方面面临挑战，该任务需要深入的解释性和领域专业知识。 我们评估了使用LLMs复制专家驱动的主题分析的可行性。 方法 使用两个时间不重叠的Reddit数据集，关于xylazine（n=286和n=686，分别用于模型优化和验证），包含十二个专家推导的主题，我们对五种LLMs进行了评估，与专家编码进行比较。 我们将该任务建模为一系列二分类，而不是单一的多标签分类，采用零次、一次和少量提示策略，并通过准确率、精确率、召回率和F1分数来衡量性能。 结果 在验证集上，使用两次提示的GPT-4o表现最佳（准确率：90.9%；F1分数：0.71）。 对于高流行主题，模型生成的主题分布与专家分类非常接近（例如，xylazine使用：13.6% vs. 17.8%；MOUD使用：16.5% vs. 17.8%）。 结论 我们的研究结果表明，少量提示的LLM方法可以自动化主题分析，为定性研究提供可扩展的补充。 关键词：主题分析，大型语言模型，自然语言处理，定性分析，社交媒体，提示工程，公共卫生 显示英文摘要

摘要： Background Large language models (LLMs) face challenges in inductive thematic analysis, a task requiring deep interpretive and domain-specific expertise. We evaluated the feasibility of using LLMs to replicate expert-driven thematic analysis of social media data. Methods Using two temporally non-intersecting Reddit datasets on xylazine (n=286 and n=686, for model optimization and validation, respectively) with twelve expert-derived themes, we evaluated five LLMs against expert coding. We modeled the task as a series of binary classifications, rather than a single, multi-label classification, employing zero-, single-, and few-shot prompting strategies and measuring performance via accuracy, precision, recall, and F1-score. Results On the validation set, GPT-4o with two-shot prompting performed best (accuracy: 90.9%; F1-score: 0.71). For high-prevalence themes, model-derived thematic distributions closely mirrored expert classifications (e.g., xylazine use: 13.6% vs. 17.8%; MOUD use: 16.5% vs. 17.8%). Conclusions Our findings suggest that few-shot LLM-based approaches can automate thematic analyses, offering a scalable supplement for qualitative research. Keywords: thematic analysis, large language models, natural language processing, qualitative analysis, social media, prompt engineering, public health