改进病医学中机器学习的文献统计研究中的搜索策略

科学领域:

• 图书统计学 图书统计学
• 机器学习 机器学习
• 腎臟醫學 腎臟醫學

背景情况:

• 一项由Li等人进行的文献计量研究. (2024) 旨在确定病医学机器学习的趋势.
• 该研究的方法和发现需要对未来研究指导进行批判性评估.

研究的目的:

• 评价Li等人进行的文献计量研究. 关于机器学习在医学的研究.
• 为了确定研究的搜索策略和关键词分析的局限性.
• 为未来的本文统计研究在这个领域提出改进建议.

主要方法:

• 对Li等人使用的搜索策略进行批判性分析.
• 评价文章选标准和关键词同时出现的分析.
• 主题 (TS) 字段搜索与标题 (TI),摘要 (AB) 和作者关键字 (AK) 过的比较.

主要成果:

• 原始研究的广泛搜索范围使用未经特定文本过的符号可能包括了无关的文章.
• 搜索主题 (TS) 字段可能包括与脏医学机器学习不直接相关的研究.
• 在关键词分析中未能将同义词合并,导致频率排名不准确 (例如",机器学习"与"机器学习 (ML) ").

结论:

• 李等人进行的文献计量研究. 遭受不准确的搜索范围和缺乏同义词集成.
• 精细的搜索策略,精确的选和同义词合并对于提高未来病医学文献计量研究的质量和准确性至关重要.
• 解决这些问题将确保更可靠地识别脏医学中的机器学习应用中的趋势和热点.