Aprovechamiento del aprendizaje automático y el análisis multivariante para explorar las tendencias globales en la...

Área de la Ciencia:

• Bibliometría
• Ciencia de datos
• Investigación sobre cannabis

Sus antecedentes:

• Las tendencias globales de investigación a largo plazo en Cannabis sativa no están bien documentadas.
• Comprender la evolución de la investigación es crucial para navegar en el campo del cannabis.

Objetivo del estudio:

• Explorar las tendencias globales de investigación de Cannabis sativa de 1974 a 2024.
• Identificar temas clave de investigación, disparidades geográficas y cambios temporales.
• Proporcionar un marco para la gestión y el análisis de grandes conjuntos de datos bibliográficos.

Principales métodos:

• Se integraron datos bibliográficos de PubMed, Scopus y Web of Science.
• Se empleó el modelo de asignación de Dirichlet latente (LDA) y el HJ-Biplot para el análisis de datos.
• Se combinó el modelado de temas con la visualización multivariante.

Principales resultados:

• Se identificó un enfoque creciente en las aplicaciones médicas de Cannabis sativa.
• Se destacó la concentración geográfica de la investigación en América del Norte y Europa.
• Se revelaron brechas de investigación en África y América del Sur.

Conclusiones:

• Los métodos de ciencia de datos ofrecen un marco replicable para la gestión de la investigación.
• La visualización multivariante combinada con el modelado de temas mejora la comprensión de la evolución de la investigación.
• Este enfoque ayuda a las partes interesadas en el dinámico panorama de la investigación del cannabis.