基于自然指数刊文数据对全球医学研究领域热点(2)

作者:网站采编
关键词:
摘要：其中，I1是词频为1的词的个数；T为高频词中的最低频次值，即高频、低频词词频临界值。本文数据得出I1=，T=191，取大于阈值为191的64个高频词，并生成词

其中，I1是词频为1的词的个数；T为高频词中的最低频次值，即高频、低频词词频临界值。本文数据得出I1=，T=191，取大于阈值为191的64个高频词，并生成词篇矩阵和共词矩阵，使用Uci‐net进行数据转换，并利用Netdraw绘制网络图谱。

3 结 果

3.1 原始共词矩阵的社会网络图

利用NetDraw对自然指数医学类期刊研究的高频主题词的共词矩阵展现原始共现关系，如图1所示。其中，每个节点代表高频主题词，节点的大小与其在共词网络中出现的次数成正比；节点间的连线表示两个主题词之间有共现关系，连线的粗细表示联系的紧密程度。由图1可见，网络内部到外周的节点逐渐变小，说明其出现的频次依次降低。网络内部节点之间的连线较粗，表明它们之间共现频次大，连接紧密。

3.2 简化矩阵（二值矩阵）的k核分析

图1 原始共词矩阵的社会网络图

图2 二值矩阵的k核分析（彩图请见

设定共现频率的平均值58为阈值，即共现次数大于等于58时取值为1，小于58时为0。在这个新的二值化的矩阵中，体现出来的共现本身就是具有较强连接的主题词。对这个有较强连接关系的共词网络进行k核分析，发现复杂网络中的核心边缘主题（图2）为k核分析结果。在图2中，红色节点的K=9，是整个图中最为核心的部分，包括动物（animals）、人类 （humans）、女性 （female）、男性（male）、小鼠 （mice）、肿瘤细胞系（cell line，tu‐mor）、 Hek293 细 胞 （Hek293 cells）、 信 号 转 导（signal transduction）、基因敲除鼠 （mice，knock‐out）、杂交鼠 （mice，inbred c57BL）、神经元/代谢（neurons/metabolism），可以看出医学研究范畴是以人类、动物及细胞模型为主要研究对象，是主体结构，此外还有肿瘤细胞系、神经元的代谢、信号转导；其次，K=8为灰色的节点基因表达调控（gene expression regulation）和动物疾病模型（disease mod‐els，animal）为次核心主题，从7至3分别为蓝色、黑色、翠绿色、黄色、草绿色、粉色和湖蓝色，是介于核心主题与边缘主题中间的主题（K=7，细胞增殖（cell proliferation）、近交BALB C小鼠（mice，inbred BALB C）、裸鼠 （mice，nude）、突变 （mu‐tation）、成人 （adult）、中年 （middle aged）、老年（aged）、年轻人 （young adult）、青少年 （adoles‐cent）；K=6，细胞系（cell line）、蛋白结构域 （pro‐tein domains）、结晶学 （crystallography）、X 射线（X-Ray）、分子模型（models，molecular）、蛋白结合（protein binding）、蛋白构造（protein conforma‐tion）、结合位点（binding sites）；K=5，基因表达序列（gene expression profiling）、基因型（phenotype）、神经网络/生理学（nerve net/physiology）、脑/生理学（brain/physiology）、转录组（transcriptome）、脑/代谢（brain/metabolism）、遗传表位（epigenesis，genetic）、氨基酸序列（amino acid sequence）；K=4，时间因素（time factors）、转录因子/代谢（transcription fac‐tors/metabolism）、转录因子/遗传 （transcription fac‐tors/genetics）、磷酸化作用（phosphorylation）、Hela细胞（Hela cells）；K=3，有以下几个主题词，生物进化（biological evolution）、分子进化（evolution，molecular）、种系发生（phylogeny）、膜蛋白（mem‐brane proteins）、钙/代谢 （calcium/metabolism）；K=2的粉色节点有动力学（kinetics）、算法（algorithms）、肿瘤/遗传学（neoplasms/genetics）、计算机模拟（computer simulation）、生物学模型 （models，bio‐logical），属于次边缘主题；K=1的主题有美国（United States）、细菌蛋白/代谢 （bacterial proteins/metabolism）、生态系统（ecosystem），与其他节点联系疏散，属于边缘主题。

3.3 双聚类分析

双聚类，即能够实现行与列同时聚类，可实现利用类内描述度高的文献来标注聚类，提高标注客观性[16]。本文作者曾将双聚类方法引入同被引分析[17]，本文又将此方法引入共词分析。词篇矩阵是每个高频词在文章中出现与否的原始矩阵，最能反映所有词之间的关系。本文将选中的64个高频主题词及所有文章组成的词篇矩阵导入gCLUTO，行为高频词列为所下载的所有文献，进行双聚类分析及可视化展示。选择默认选项，聚类方法为重复二分法，判别函数为I2，相似系数为余弦函数，通过调整聚类数目进行多次聚类，以保证聚类效果最佳。

3.3.1 词篇矩阵的双聚类指标及聚类特征

选择类内相似度ISim相对较大，且类间相似度ESim相对较小的聚类结果，最终确定聚类数目为10。gCLUTO结果给出每个聚类的相似性指标ISim（类内对象间平均相似度）与ESim（代表类间平均相似度）。ISim越大，ESim越小说明聚类结果将相似的类聚到一起，不同类间相似度较小，因此效果较好。如表2所示，第一列表示聚类分为10个类别，Size代表每个类别所含高频词的数量。本次聚类中ISim的值远大于ESim的值，说明聚类结果较好。此软件还给出了聚类特征：Descriptive Features（代表性特征）和Discriminating Features（区分性特征），来衡量聚类效果及作为类别标注的参考。表3中列出了类别中Descriptive与Discriminating指标值最大的前几篇文献，Descriptive的值表示该文献可以解释类内相似性的百分比，Discriminating的值解释该类与其他类间的相异性[18]。我们将代表性文章视为能够代表这一类特征的文献编号，区分性文章视为能区分于其他类的文献编号（编号可以在PubMed查找相对应的文献）。

文章来源：《临床医学研究与实践》 网址: http://www.lcyxyjysj.cn/qikandaodu/2021/0722/1114.html

上一篇：软件在医学科研领域中的应用研究现况
下一篇：医学档案管理中存在的问题与对策