[论文解读] 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 9

一句话总结

本文通过分析 MEDLINE、Web of Science 和 Scopus 中的引用网络与关键词共现关系，构建了 COVID-19 的翻译知识图谱。研究揭示了病毒学、免疫学和临床医学中的显著研究集群，展示了早期大流行期间知识领域如何演变并相互关联，提供了科学进展的动态、数据驱动视图。

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.

研究动机与目标

• 利用引用与关键词共现数据，绘制 COVID-19 研究的动态演变图景。
• 识别大流行早期阶段不同研究领域及其相互关联。
• 可视化与 SARS-CoV-2 相关的研究领域在结构与内容上的差异。
• 提供一种动态、数据驱动的框架，用于追踪新兴传染病研究中的翻译知识流动。

提出的方法

• 本研究基于 MEDLINE、Web of Science 和 Scopus 中的 20,000 多篇科学论文，采用关键词与术语共现分析方法。
• 构建了引用网络，以追踪不同研究领域之间的知识流动与影响力。
• 研究者应用网络分析技术，识别与 'SARS-CoV-2'、'2019-nCoV' 和 'COVID-19' 等关键词相关的术语集群。
• 通过整合术语频率、引用共现与网络拓扑结构，生成知识图谱以可视化研究领域结构。
• 该方法利用数字图书馆元数据与语义网络，追踪科学探究随时间的演变过程。
• 最终生成的图谱可视化了基础科学、临床研究与公共卫生领域之间的相互作用。

实验结果

研究问题

• RQ1 SARS-CoV-2、2019-nCoV 与 COVID-19 的研究主题在各科学学科中如何分布？
• RQ2 病毒学、免疫学与临床医学研究集群在结构与内容上存在哪些差异？
• RQ3 引用模式与关键词共现如何揭示早期大流行研究中的知识流动与翻译路径？
• RQ4 COVID-19 科学知识组织中呈现出哪些时间演变模式？
• RQ5 基于网络的知识图谱如何提升对新兴传染病暴发期间翻译研究动态的理解？

主要发现

• 知识图谱揭示了病毒学、免疫学与临床医学中的显著研究集群，各集群具有独特的术语网络与引用模式。
• 关键词如 'SARS-CoV-2' 与 '2019-nCoV' 在早期文献中与病毒学及分子生物学术语表现出强烈的共现关系。
• 临床研究集群以诊断、治疗与流行病学相关术语为特征，显示出对新出现数据的快速响应与演变。
• 图谱表明，在初始阶段，基础科学与临床研究之间的知识流动有限，反映出存在翻译鸿沟。
• 网络拓扑分析显示，某些术语在不同研究领域之间起到桥梁作用，提示了关键的整合节点。
• 本研究证实，数字图书馆数据能够有效捕捉全球健康紧急事件期间科学知识的动态结构。