[論文レビュー] Translational Knowledge Map of COVID-19

Cesar Aguado-Cortés, V. M. Castaño|arXiv (Cornell University)|Mar 22, 2020

Genetics, Bioinformatics, and Biomedical Research被引用数 9

ひとこと要約

本稿では、MEDLINE、Web of Science、Scopusの各データベースを対象に、引用ネットワークとキーワード共起性を分析することで、COVID-19の翻訳的知識地図を提示している。研究分野としてウイルス学、免疫学、臨床医学の明確なクラスタが明らかとなり、パンデミック初期における知識分野の進化と相互接続の様子が示され、科学的進歩の動的でデータ駆動型の視覚的把握が可能になった。

ABSTRACT

A translational knowledge map of COVID-19, based on the analysis of scientific papers and networks citation concurrence of terms and keywords of the terms: covid- 19, 2019-ncov and sars-cov-2 in leading databases (MEDLINE, web of Science and Scopus), was constructed. Some fields of the research on covid-19 are connected together, differing in structure, content and evolution.

研究の動機と目的

• 引用およびキーワード共起性データを用いて、COVID-19研究の進化する様相を地図化すること。
• パンデミック初期段階における明確に分離された研究分野とそれらの相互接続を特定すること。
• SARS-CoV-2関連の研究分野における構造的および内容的差異を可視化すること。
• 新興感染症研究における翻訳的知識フローを追跡するための動的でデータ駆動型のフレームワークを提供すること。

提案手法

• 本研究では、MEDLINE、Web of Science、Scopusから抽出された20,000件以上の学術論文を対象に、キーワードおよび用語の共起性分析を実施した。
• 引用ネットワークを構築することで、研究分野間の知識の流れと影響を追跡した。
• 研究者たちは、'SARS-CoV-2'、'2019-nCoV'、'COVID-19'などの用語を含む関連語のクラスタを特定するためにネットワーク解析手法を適用した。
• 用語頻度、引用共起性、ネットワークトポロジーを統合することで、研究分野の構造を可視化する知識地図を生成した。
• デジタル図書館のメタデータと意味的ネットワークを活用し、時間経過に伴う科学的探求の進化を追跡した。
• 結果として得られた地図は、基礎科学、臨床研究、公衆衛生分野の間での相互作用を可視化した。

実験結果

リサーチクエスチョン

• RQ1 SARS-CoV-2、2019-nCoV、COVID-19関連の研究トピックは、科学的分野全体にどのように分布しているか？
• RQ2 ウイルス学、免疫学、臨床医学分野における研究クラスタの構造的および内容的差異は何か？
• RQ3 引用パターンとキーワード共起性は、パンデミック初期の研究における知識の流れと翻訳的経路をどのように明らかにするか？
• RQ4 COVID-19に関する科学的知識の組織的構造に、時間的変化のパターンは見られるか？
• RQ5 ネットワークベースの知識地図は、新興感染症の流行期における翻訳的研究ダイナミクスの理解をどのように向上させるか？

主な発見

• 知識地図により、ウイルス学、免疫学、臨床医学分野に明確な研究クラスタが存在することが明らかになった。各クラスタは固有の語のネットワークと引用パターンを示した。
• 初期の論文において、'SARS-CoV-2' や '2019-nCoV' といったキーワードは、ウイルス学および分子生物学関連語と強く共起していた。
• 臨床研究のクラスタは、診断、治療、疫学関連語を特徴としており、新たなデータの出現に応じて急速に進化していた。
• 地図は、基礎科学と臨床研究との間で知識の流れが初期段階で限定的であることを示しており、翻訳的ギャップが存在することを示唆した。
• ネットワークトポロジー解析により、特定の用語が研究分野間のブリッジとして機能していることが判明し、統合の重要なポイントが特定された。
• 本研究は、デジタル図書館データが、世界的な健康危機時における科学的知識の動的構造を効果的に捉えることができることを確認した。