基于LDA主题模型的电子病历热点主题发现

目的:探究2010-2019年国际上电子病历研究领域的热点.方法:以2010-2019年Web of Science中有关电子病历研究的12217篇文献作为研究对象,以作者关键词、扩展关键词和摘要为文档语料,通过各主题的困惑度确定最佳主题个数,采用LDA主题模型实现主题聚类.通过主题强度和阈值确定电子病历研究领域201...     

国内互联网医疗研究合作网络分析和热点识别

目的:对国内互联网医疗领域研究人员的合作情况和领域热点主题进行梳理,为后续的研究和政策的制定提供参考.方法:以CNKI为数据源,基于社会网络分析方法对核心作者的合作关系进行分析并绘制作者合作网络图谱,通过构建LDA主题模型挖掘互联网医疗领域研究的主题分布并识别热点主题.结果:共获得1997-2020年国内互联网医疗领域...     

基于Labeled LDA主题模型的医学文献自动分类法

提出了一种基于Labeled LDA主题模型的医学文献自动分类法。以10个医学领域的研究文献为案例,通过语料库的设置及参数设置调整模型为最佳,与SVM方法进行对比实验。结果显示,无论是准确率还是召回率,基于Labeled LDA主题模型的自动分类法均比SVM法高出7.00%左右,表明基于Labeled LDA主题模型的医学文献自动分类法具有较好的医学领域文本分类效果。     

基于主题模型的科技文献主题演化及优化方法研究综述

目的/意义 梳理主题演化分析方法研究进展,改善科技文献主题识别和趋势研判效果,支撑文献信息服务,为未来深入研究和实践应用指明方向。方法/过程 根据隐含狄利克雷分布主题模型的缺陷归纳其衍生模型,针对现有科技文献主题演化分析方法存在的不足对相应改善方案进行总结,最后结合现有研究局限性提出展望。结果/结论 通过全面调研,为主题演化研究提供启示和借鉴。     

基于LDA的主题演化研究

通过监测主题在不同时间窗口内的变化趋势进行主题演化分析,在各时间窗口中分别建立LDA模型,采用Gibbs抽样方法求解LDA模型中的潜在变量,利用Kullback-Leibler距离来衡量主题之间的相似度,利用改进的Z-Score方法计算主题随时间的偏移程度以反映其演化情况。     

近十年我国卫生政策领域研究热点与主题变化

对2004-2008年及2009-2013年两个阶段我国卫生政策主要期刊的论文关键词进行词频分析和共词分析,并绘制可视化图谱反映两个阶段的研究热点和研究主题;对两个阶段的研究热点和主题进行对比分析,发现我国卫生政策研究与新医药卫生体制改革推进互相促进、共同发展,研究主题分散且研究领域迅速扩张,研究主题更加明确,研究向宏观层面倾斜,研究方法更加多元化。     

科学技术新兴技术主题识别研究

目的:挖掘科技文献中的新兴技术主题.方法:构建新兴技术主题识别研究框架.采用隐含狄利克雷分布(LDA)主题模型结合熵权法对新兴技术主题进行识别.结果:识别出了新型比色检测技术、新型荧光检测技术和生物检测技术3个新兴技术主题.结论:新兴技术主题识别研究框架可有效识别科技文献中的新兴技术主题.     

“医养结合”背景下中央与地方政府智慧健康养老政策比较研究

目的/意义 对比“医养结合”背景下中央与地方智慧健康养老政策主题呈现的异同点,归纳其主题变化趋势。方法/过程 收集中央政府和长三角地区政府发布的智慧健康养老相关政策,通过结构主题模型识别其中出现的主题,并分析中央与地方、年份这两组协变量对主题的影响。结果/结论 智慧健康养老政策主题可以归并为4类。相较于中央政府,长三角地区政府更偏向于发布智慧健康养老试点示范和智慧健康养老产业等主题的政策。     

国际突发公共卫生事件研究主题演化分析

目的：探究国际突发公共卫生事件研究的主题演化。方法：以2021年以前Web of Science中有关突发公共卫生事件的2 509篇文献作为分析对象，使用SciMAT软件制作关键词重叠图、战略坐标图和主题演化路径图，对不同时间段国际突发公共卫生事件研究的核心主题和演化路径进行分析。结果：较为明显的主题演化路径有4条，分别是防护与治疗、灾害环境污染、应急响应系统和公众心理干预。结论：突发公共卫生事件领域的相关研究随着时间的推移，其内容不断丰富，主题类团演化能力不断增强，演化路径日趋平稳。早期的研究热点集中于防治与应对领域，随着时间的推移，研究热点逐渐由防治与应对转变为利用各类系统对突发公共卫生事件进行事前监测。利用信息系统进行事前监测的算法模型和与公众进行风险沟通将成为未来研究的热点。     

基于UMLS的肺癌治疗研究热点分析

目的:利用文本挖掘的方法识别肺癌治疗的研究前沿热点。方法:在Pub Med数据库中检索2013-2014年发表的肺癌治疗相关文献,利用Meta Map进行UMLS概念映射,通过语义类型的限定去除较为宽泛意义的词,利用文档主题生成模型LDA进行主题识别。结果:利用LDA可以识别出肺癌治疗方面近两年的研究主题。结论:分析主题结果并阅读相关文献,可得出近年肺癌治疗的研究热点主题,为相关医学科研人员和管理人员提供参考。     

国内居家养老领域研究现状

目的：梳理和分析我国居家养老研究现状、研究热点、前沿方向和发展趋势,为今后的居家养老领域研究提供理论参考。方法：以中国知网（CNKI）数据库中1998-2021年1 018篇CSSCI文献作为数据源,利用CiteSpace软件进行文献计量分析。结果：近年来居家养老领域研究不断拓展,发文量逐年增加且处于稳定发展阶段;研究学者及机构合作网络较松散,未形成核心作者群;研究热点集中于养老模式、社区居家养老服务体系、居家养老需求意愿与供给、发展困境与路径研究四大主题。结论：居家养老领域需推进农村居家养老服务体系研究,鼓励更多社会力量参与多主体的居家养老服务供给研究,利用大数据、智能化等高新技术手段推进智慧居家养老研究;鼓励学者和机构进行更加广泛的研究合作,创新具有中国特色的本土化理论成果和开展多方实践应用。     

国内外老年人长期照护研究热点的共词聚类分析

背景　随着老年人口的不断增长,我国正处于人口老龄化快速发展阶段。如何为老年人提供有效的照护服务将成为促进健康老龄化的关键问题。而目前我国老年人长期照护服务尚处于发展阶段,未形成系统完善的照护体系。目的　分析比较近5年国内外老年人长期照护研究热点,以期为我国老年人长期照护研究的发展提供一定借鉴和指导。方法　2018年6—7月,通过中国知网和PubMed,分别以“长期照护”为关键词,以“long-term care”和“aged”为主题词进行检索。文献纳入标准：期刊、硕/博士论文及会议论文。通过阅读题目、摘要或全文,剔除与“老年人长期照护”主题不符、内容无关的研究,其中PubMed检索到的国内文献均予以剔除。检索年限为：2013年1月—2018年6月。最终共纳入国外文献1 750篇,国内文献739篇。使用Bicomb软件和图形聚类工具包（gCLUTO）对高频主题词进行词频分析和聚类分析。结果　国外老年人长期照护研究起步较早,近5年老年人长期照护研究文献数量平稳中略有下降;我国在该领域的研究尚处于起步阶段,相关研究文献数量逐渐上升。国外研究共出现61个高频主题词,最高频次为808次,最低频次为17次;国内研究出现35个高频主题词,最高频次为338次,最低频次为10次。国外老年人长期照护研究聚为5类,分别代表长期照护老年人身心健康及营养状况研究、长期照护政策及老年人照护需求、长期照护用药管理、老年人慢病管理、老年人姑息护理及照护质量。国内老年人长期照护研究聚为4类,分别代表长期照护现状及启示、长期照护保险制度、长期照护需求及其影响因素和长期照护体系研究。结论　国内外老年人长期照护研究热点（国外为长期照护老年人身心健康及营养状况研究、长期照护政策及老年人照护需求、长期照护用药管理、老年人慢病管理、老年人姑息护理及照护质量,国内为长期照护现状及启示、长期照护保险制度、长期照护需求及其影响因素和长期照护体系研究）具有一定的相似性和差异性,国外现阶段关于长期照护服务优化、照护质量提升及长期照护策略检验相关研究能够为我国老年人长期照护研究的发展提供借鉴。     

基于文本挖掘的互联网医疗平台用户画像模型构建

目的/意义 构建互联网问诊用户画像探究问诊主题,提升问诊服务质量,减少医患沟通障碍,以线上配合线下方式针对性治疗。方法/过程 利用Python爬虫获取好大夫在线医疗平台孤独症疾病问诊数据,运用隐含狄利克雷分布(latent Dirichlet allocation, LDA)与词频-逆文档频率(term frequency-inverse document frequency,TF-IDF)结合的模型划分数据,在降维聚类后实现用户群体分类。最后通过logistic回归模型计算输出不同用户群体特征集合,构建画像。结果/结论 用户问诊内容主要围绕11个主题展开,平台可通过主题内容的典型特征优化问诊填写模板,提高用户填写疾病描述准确性、问诊效率和患者满意度。     

中文医学摘要主题建模方法评估

以中文医学论文摘要为语料,采用3种特征筛选方法以及两种主题模型方法的组合进行主题建模,结果表明建模方法中LDA的预测能力和拟合度优于CTM,而特征筛选方式中IDF拟合度、TF预测能力更好。     

网络健康社区用户的新冠肺炎信息需求

搜集网络健康社区用户中关于新冠肺炎的提问记录,利用LDA模型对提问主题进行建模生成"主题-词"分布概率矩阵和分析主题一致性.结果显示网络健康社区用户对新冠肺炎的临床症状、检查诊断、用药治疗、疫区防控等方面关注较多.对网络健康社区用户关注的新冠肺炎热点主题进行分析发现,用户对新冠肺炎的信息需求与国家相继颁布的诊疗方案及防...     

Topic model for Chinese medicine diagnosis and prescription regularities analysis: Case on diabetes

Induction of common knowledge or regularities from large-scale clinical data is a vital task for Chinese medicine(CM).In this paper,we propose a data mining method,called the Symptom-Herb-Diagnosis topic(SHDT) model,to automatically extract the common relationships among symptoms,herb combinations and diagnoses from large-scale CM clinical data.The SHDT model is one of the multi-relational extensions of the latent topic model,which can acquire topic structure from discrete corpora(such as document collection) by capturing the semantic relations among words.We applied the SHDT model to discover the common CM diagnosis and treatment knowledge for type 2 diabetes mellitus(T2DM) using 3 238 inpatient cases.We obtained meaningful diagnosis and treatment topics(clusters) from the data,which clinically indicated some important medical groups corresponding to comorbidity diseases(e.g.,heart disease and diabetic kidney diseases in T2DM inpatients).The results show that manifestation sub-categories actually exist in T2DM patients that need specific,individualised CM therapies.Furthermore,the results demonstrate that this method is helpful for generating CM clinical guidelines for T2DM based on structured collected clinical data.