Topic Modeling mediante Machine Learning no supervisado de artículos científicos sobre Salud Laboral y Servicios de Atención de Salud a Domicilio
DOI:
https://doi.org/10.22585/hospdomic.v7i4.200Palabras clave:
Salud Laboral, Servicios de Atención de Salud a Domicilio, topic modeling, análisis de sentimientoResumen
Objetivo: Identificar de manera no supervisada mediante topic modeling los temas de mayor interés en el campo de la Salud Laboral y los Servicios de Atención a Domicilio de los artículos científicos publicados en la materia.
Método: Este estudio empleó el algoritmo de Machine Learning no supervisado Asignación Latente de Dirichlet para el topic modeling y el lexicón NRC para la realización del análisis de sentimientos del corpus de las fichas documentales obtenidas de MEDLINE (vía PubMed) usando los descriptores “Salud Laboral” y “Servicios de Atención de Salud a Domicilio”.
Resultados: Del total de 70 fichas documentales analizadas, se obtuvo que la intensidad de las emociones en los textos era baja (oscilando en valores de 5 a 10), teniendo una mayor representación los sentimientos positivos frente a los negativos en una relación de 60/40. No hubo una variación de las proporciones de las emociones con respecto al período del estudio. Se identificaron los cuatro temas de mayor interés en los artículos analizados: cuidado domiciliario y satisfacción de los cuidadores, período de lactancia, programas de rehabilitación, y actividad física para mitigación del dolor.
Conclusiones: Se ha podido constatar que las metodologías del procesado de lenguaje natural pueden ser una gran herramienta de apoyo al análisis de artículos científicos. Concretamente, se ha logrado determinar de manera clara y no supervisada los temas de mayor interés en el campo de la Salud Laboral y la Atención de Salud a Domicilio.
Descargas
Citas
Zippel C, Bohnet-Joschko S. Rise of Clinical Studies in the Field of Machine Learning: A Review of Data Registered in ClinicalTrials.gov. Int J Environ Res Public Health. 2021;18(10):5072. DOI: 10.3390/ijerph18105072
Ngai EWT, Wu Y. Machine learning in marketing: A literature review, conceptual framework, and research agenda. J Bus Res. 2022;145:35-48. DOI: 10.1016/j.jbusres.2022.02.049
Buczynski W, Cuzzolin F, Sahakian B. A review of machine learning experiments in equity investment decision-making: why most published research findings do not live up to their promise in real life. Int J Data Sci Anal. 2021;11(3):221-42. DOI: 10.1007/s41060-021-00245-5
Buchanan BG, Wright D. The impact of machine learning on UK financial services. Oxf Rev Econ Policy. 2021;37(3):537-63. DOI: 10.1093/oxrep/grab016
Khanbhai M, Anyadi P, Symons J, Flott K, Darzi A, Mayer E. Applying natural language processing and machine learning techniques to patient experience feedback: a systematic review. BMJ Health Care Inform. 2021;28(1):e100262. DOI: 10.1136/bmjhci-2020-100262
Análisis de sentimiento. En: Wikipedia, la enciclopedia libre [Internet]. 24 de mayo de 2023 [citado 1 de octubre de 2023]. Recuperado: http://bit.ly/46B9uro
Topic model. En: Wikipedia [Internet]. 17 de septiembre de 2023 [citado 1 de octubre de 2023]. Recuperado: https://bit.ly/48CXwiA
Lutz AM, Lutz R. Topic Modeling as an evaluation basis in literature research - A proposal for a new literature review method for machine-assisted source evaluation using the example of anthropology. Anthropol Anz Ber Uber Biol-Anthropol Lit. 2023;80(2):119-34. DOI: 10.1127/anthranz/2023/1660
Alexander G, Bahja M, Butt GF. Automating Large-scale Health Care Service Feedback Analysis: Sentiment Analysis and Topic Modeling Study. JMIR Med Inform. 2022;10(4):e29385. DOI: 10.2196/29385
Báez P, Arancibia AP, Chaparro MI, Bucarey T, Núñez F, Dunstan J. Procesamiento de lenguaje natural para texto clínico en español: el caso de las listas de espera en Chile. Rev Médica Clínica Las Condes. 2022;33(6):576-82. DOI: 10.1016/j.rmclc.2022.10.002
Scarpino I, Zucco C, Vallelunga R, Luzza F, Cannataro M. Investigating Topic Modeling Techniques to Extract Meaningful Insights in Italian Long COVID Narration. Biotech Basel Switz. 2022;11(3):41. DOI: 10.3390/biotech11030041
Muchene L, Safari W. Two-stage topic modelling of scientific publications: A case study of University of Nairobi, Kenya. PloS One. 2021;16(1):e0243208. DOI: 10.1371/journal.pone.0243208
Kavvadias S, Drosatos G, Kaldoudi E. Supporting topic modeling and trends analysis in biomedical literature. J Biomed Inform. 2020;110:103574. DOI: 10.1016/j.jbi.2020.103574
Liu L, Tang L, Dong W, Yao S, Zhou W. An overview of topic modeling and its current applications in bioinformatics. SpringerPlus. 2016;5(1):1608. DOI: 10.1186/s40064-016-3252-8
Xue J, Zhang B, Zhang Q, Hu R, Jiang J, Liu N, et al. Using Twitter-Based Data for Sexual Violence Research: Scoping Review. J Med Internet Res. 2023;25:e46084. DOI: 10.2196/46084
Ong S-Q, Pauzi MBM, Gan KH. Text mining in mosquito-borne disease: A systematic review. Acta Trop. 2022;231:106447. DOI: 10.1016/j.actatropica.2022.106447
Castillo-Sánchez G, Marques G, Dorronzoro E, Rivera-Romero O, Franco-Martín M, De la Torre-Díez I. Suicide Risk Assessment Using Machine Learning and Social Networks: a Scoping Review. J Med Syst. 2020;44(12):205. DOI: 10.1007/s10916-020-01669-5
Tao D, Yang P, Feng H. Utilization of text mining as a big data analysis tool for food science and nutrition. Compr Rev Food Sci Food Saf. 2020;19(2):875-94. DOI: 10.1111/1541-4337.12540
Stefanis C, Giorgi E, Kalentzis K, Tselemponis A, Nena E, Tsigalou C, et al. Sentiment analysis of epidemiological surveillance reports on COVID-19 in Greece using machine learning models. Front Public Health. 2023;11:1191730. DOI: 10.3389/fpubh.2023.1191730
O’Sullivan JN. Trends in population health and demography. The Lancet. Elsevier; 2021;398(10300):580. DOI: 10.1016/S0140-6736(21)01050-3
Hanley E. The role of home care in palliative care services. Care Manag J J Case Manag J Long Term Home Health Care. 2004;5(3):151-7. DOI: 10.1891/cmaj.2004.5.3.151
Seow H, Barbera L, Howell D, Dy SM. Using more end-of-life homecare services is associated with using fewer acute care services: a population-based cohort study. Med Care. 2010;48(2):118-24. DOI: 10.1097/MLR.0b013e3181c162ef
Elliott J, Gordon A, Tong CE, Stolee P. «We’ve got the home care data, what do we do with it?»: understanding data use in decision making and quality improvement. BMC Health Serv Res. 2020;20(1):251. DOI: 10.1186/s12913-020-5018-9
Kim E-Y, Cho E, June KJ. Factors influencing use of home care and nursing homes. J Adv Nurs. 2006;54(4):511-7. DOI: 10.1111/j.1365-2648.2006.03839.x
Chang M, Michelet M, Skirbekk V, Langballe EM, Hopstock LA, Sund ER, et al. Trends in the use of home care services among Norwegians 70+ and projections towards 2050: The HUNT study 1995-2017. Scand J Caring Sci. 2023;37(3):752-65. DOI: 10.1111/scs.13158
Canada G of CNRC. [Internet]. 3 de octubre de 2023. NRC emotion lexicon - NRC Publications Archive [citado 3 de octubre de 2023]. Disponible en: https://bit.ly/46eRlQe
Mohammad SM, Turney P. [Internet]. NRC Emotion Lexicon [consultado 29 de septiembre de 2023]. Disponible en: https://bit.ly/3F1RAlH
Silvestre Gómez M. Implementación de asignación jerárquica latente de Dirichlet para modelado de temas. 2018 [citado 29 de septiembre de 2023]; Recuperado: https://bit.ly/3PZndCM
Ley 14/2007, de 3 de julio, de Investigación biomédica, BOE núm. 159 [Internet]. [citado 10 de septiembre de 2023]. Recuperado: https://www.boe.es/eli/es/l/2007/07/03/14
Meza P. El posicionamiento estratégico del autor en artículos de investigación: un modelo empíricamente fundado. Logos Rev Lingüíst Filos Lit. 2017;27(1):152-64. DOI: 10.15443/RL2711
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Ruben Palomo Llinares, Julia Sánchez-Tormo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons 4.0 BY-NC-SA que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).