Presentamos un modelo de t ́opicos basado en el m ́etodo asignaci ́on latente de Di-richlet (LDA, por sus siglas en ingl ́es) con el objetivo de examinar patrones en lainvestigaci ́on cient ́ıfica del Covid–19 teniendo en cuenta las publicaciones indexa-das en la base datos especializada PubMed. Se toman 4928 resumenes cient ́ıficospublicados durante el primer semestre de 2020. Se ajusta un modelo LDA utili-zando dos t ́opicos. El primer t ́opico corresponde a factores de riesgo, severidad ymortalidad por infecci ́on viral, mientras que el segundo al impacto de las infeccio-nes respiratorias en la salud p ́ublica. La clasificaci ́on propuesta brinda una visi ́onglobal sobre las dos tendencias de investigaci ́on presentes a la fecha en la que elan ́alisis tiene lugar. Adicionalmente, los resultados se ̃nalan que la aplicaci ́on de lametodolog ́ıa propuesta provee un camino para direccionar y hacer m ́as eficiente larevisi ́on bibliogr ́afica en el contexto acad ́emico.
We consider a topic modeling approach using latent Dirichlet allocation (LDA)methods aiming to examine patterns in the scientific research of Covid-19 usingpublications indexed in the PubMed database. A total of 4928 scientific abstractspublished during the first semester of 2020 are taken into account. An LDA mo-del is fitted using two topics. The first topic corresponds to risk factors, severity, and mortality due to viral infection, whereas the second is the impact of respi-ratory illnesses on public health. Our classification provides a global overview ofthese two research trends from the moment the analysis takes place. Additionally,our findings suggest that the systematic application of the proposed methodologyprovides a way to address and make more efficient the bibliographic review inacademic contexts.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados