Produção científica sobre hospitais no contexto da ciência de dados: um estudo a partir da web of science
DOI:
https://doi.org/10.5007/1518-2924.2021.78824Palabras clave:
Ciência de Dados, Bibliometria, Web of Science, Big Data, Machine LearningResumen
Objetivo: realizar análise bibliométrica sobre as aplicações da ciência de dados no âmbito das organizações hospitalares.
Método: por meio de pesquisa na base de dados Web of Science, verificou-se a existência de termos relacionados à ciência de dados, tais como “big data”, “data analytics”, “businesss intelligence”, “data mining”, “data warehouse”, “text mining” e “data science", relacionando-os a hospitais. A análise de dados pautou-se na técnica de análise de redes sociais. O período considerado foi de 2015 a 2019.
Resultado: “machine learning” e “electronic health records” despontam como assuntos relevantes. As interações mais expressivas refletem a inclinação da informática médica em assuntos relacionados à tomada de decisão, sistemas de informação para hospitais e unidade de cuidados intensivos. Sobre os campos científicos, nota-se a predominância esperada da área de saúde e dos domínios pertencentes ou fronteiriços à tecnologia. No mais, vê-se que a grande variedade de áreas encontradas acusa a natureza multidisciplinar do assunto, inclusive com importante participação da Ciência da Informação (CI). Em relação à geografia do conhecimento, observa-se um razoável grau de descentralização, havendo produções representativas na América do Norte, Europa e Ásia. Quanto aos veículos de publicação, destaque para os Studies in Health Technology and Informatics, que compreendem uma série de publicações. Os dois periódicos mais representativos da lista, integram, respectivamente, os grupos Springer Nature e Elsevier, grandes players do mercado editorial científico.
Conclusões: por fim, evidencia-se a multidisciplinaridade existente em torno do assunto estudado e a relevância da tecnologia para o progresso das organizações hospitalares.
Descargas
Citas
AMARAL, F. Introdução à Ciência de Dados: mineração de dados e big data. Alta books: Rio de Janeiro, 2016.
ARNOTT, D.; LIZAMA, F.; SONG, Y. Patterns of business intelligence systems use in organizations. Decision Support Systems, [s. l.], v. 97, p. 58-68, maio 2017.
BARABÁSI, A. L. Network science. Cambridge: University Press, 2016.
BHAVNANI, S. P.; MUÑOZ, D.; BAGAI, A. Data Science in Healthcare. Circulation: Cardiovascular Quality and Outcomes, Dallas, TX, v. 9, n. 6, p. 683-687, nov. 2016. Ovid Technologies (Wolters Kluwer Health). Disponível em: https://www.ahajournals.org/doi/epub/10.1161/CIRCOUTCOMES.116.003081. Acesso em: 01 nov. 2020.
BONNEY, R.; COOPER, C.; BALLARD, H. The theory and practice of citizen science: Launching a new journal. Citizen Science: Theory and Practice, [s. l.], v. 1, n. 1, 2016. Disponível em: https://theoryandpractice.citizenscienceassociation.org/articles/10.5334/cstp.65/. Acesso em: 20 nov. 2020.
BUGNION, P.; MANIVANNAN, A.; NICOLAS, P. R. Scala: Guide for Data Science Professionals. Birmingham: Packt Publishing, 2017.
CAO, L. Data science and analytics: a new era. International Journal of Data Science and Analytics, [s. l.], v. 1, p. 1-2, 2016. Disponível em: https://link.springer.com/content/pdf/10.1007/s41060-016-0006-1.pdf. Acesso em: 20 nov. 2020.
DALIANIS, H. et al. Health bank-A - Workbench for data science applications in healthcare. In: CAiSE 2015 INDUSTRY TRACK, 27., 2015, Estocolomo, Suécia. Proceedings […]. Estocolmo, Suécia: CAiSE, 2015. p. 1-18.
DESAUTELS, T. et al. Prediction of early unplanned intensive care unit readmission in a UK tertiary care hospital: a cross-sectional machine learning approach. BMJ open, [s. l.], v. 7, n. 9, 2017. Disponível em: https://bmjopen.bmj.com/content/bmjopen/7/9/e017199.full.pdf. Acesso em: 20 nov. 2020.
ELLIOTT, K. C.; ROSENBERG, J. Philosophical foundations for citizen science. Citizen Science: Theory and Practice, [s. l.], v. 4, n. 1, 2019. Disponível em: https://theoryandpractice.citizenscienceassociation.org/articles/10.5334/cstp.155/print/. Acesso em: 20 nov. 2020.
FORD, E. et al. Extracting information from the text of electronic medical records to improve case detection: a systematic review. Journal of the American Medical Informatics Association, [Oxford], v. 23, n. 5, p. 1007-1015, 2016.
GALVÃO, A. B.; VALENTIM, R. A. M. Desafios para os avanços da análise de big data na Saúde. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE, 19., 2019, Niterói. Anais Estendidos do XIX Simpósio Brasileiro de Computação Aplicada à Saúde. Niterói: SBC, 2019. p. 155-160.
GÓMEZ-VALLEJO, H. J. et al. A case-based reasoning system for aiding detection and classification of nosocomial infections. Decision Support Systems, [s. l.], v. 84, p. 104-116, 2016.
HUI, C. et al. Research on diabetes prediction method based on electronic medical record data analysis. In: INTERNATIONAL CONFERENCE ON ENERGY, ENVIRONMENT AND BIOENGINEERING, 1., 2020, XI'An. Proceedings [...]: XI'An, 2020. p. 1-4. Disponível em: https://www.e3sconferences.org/articles/e3sconf/pdf/2020/45/e3sconf_iceeb2020_03001.pdf. Acesso em: 01 nov. 2020.
HWANG, U. et al. Disease prediction from electronic health records using generative adversarial networks. arXiv preprint, 2017. Disponível em: https://arxiv.org/pdf/1711.04126.pdf. Acesso em: 01 fev. 2019.
IOS PRESS. Studies in Health Technology and Informatics. 2020. Disponível em: https://www.iospress.nl/bookserie/studies-in-health-technology-and-informatics/#scope. Acesso em: 10 dez. 2020.
JOKONYA, O. Towards a Big Data Framework for the Prevention and Control of HIV/AIDS, TB and Silicosis in the Mining Industry. Procedia Technology, [s. l.], v. 16, p. 1533-1541, 2014. Disponível em: https://www.sciencedirect.com/science/article/pii/S2212017314004022. Acesso em: 20 nov. 2020.
KOHLI, R.; TAN, S. S. L. Electronic health records: how can IS researchers contribute to transforming healthcare?. Mis Quarterly, [s. l.], v. 40, n. 3, p. 553-573, 2016.
LIN, Y. et al. Research on using ANP to establish a performance assessment model for business intelligence systems. Expert Systems with Applications, [s. l.], v. 36, p. 4135-4146. 2009.
MOSTAFA, S. P.; ROCHA, E. S. S. O rizoma e as voltas que o mundo dá. Texto Digital, Florianópolis, v. 16, n. 1, p. 124-140, 2020. Disponível em: https://periodicos.ufsc.br/index.php/textodigital/article/view/1807-9288.2020v16n1p124. Acesso em: 20 nov. 2020.
NISSEN, F. et al. Validation of asthma recording in electronic health records: a systematic review. Clinical epidemiology, [s. l.], v. 9, p. 643-656, 2017. Disponível em: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5716672/. Acesso em: 20 nov. 2020.
RAUTENBERG, S.; CARMO, P. R. V. do. Big data e ciência de dados: complementariedade conceitual no processo de tomada de decisão. Brazilian Journal of Information Science: research trends, Marília, v. 13, n. 1, p. 56-67, 2019. Disponível em: https://revistas.marilia.unesp.br/index.php/bjis/article/view/8315. Acesso em: 20 nov. 2020.
ROMANOWSKI, J. P.; ENS, R. T. As pesquisas denominadas do tipo “estado da arte” em educação. Revista Diálogo Educacional, v. 6, n. 19, p. 37-50, set./dez. 2006.
SCHWAB, K. A Quarta Revolução Industrial. São Paulo: Edipro, 2016.
SUCHTING, R. et al. A data science approach to predicting patient aggressive events in a psychiatric hospital. Psychiatry research, [Limerick], v. 268, p. 217-222, 2018.
VAN ECK, N.; WALTMAN, L. Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, [Amsterdam], v. 84, n. 2, p. 523-538, 2010.
ZIVIANI, A. Desafios de ciência de dados aplicada à saúde digital. In: BRASIL. Ministério da Saúde. Reflexões sobre ensino e pesquisa no SUS: experiência no contexto hospitalar de alta complexidade. Brasília: Ministério da Saúde, 2019. p. 14-19. Disponível em: http://bvsms.saude.gov.br/bvs/publicacoes/reflexoes_ensino_pesquisa_sus.pdf. Acesso em: 20 nov. 2020.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Natanael Vitor Sobral, Gillian Leandro de Queiroga Lima, Ana Sara Pereira de Melo Sobral
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
El autor debe garantizar:
que existe un consenso total de todos los coautores para aprobar la versión final del documento y su presentación para su publicación.
que su trabajo es original, y si se han utilizado el trabajo y / o las palabras de otras personas, estos se han reconocido correctamente.
El plagio en todas sus formas constituye un comportamiento editorial poco ético y es inaceptable. Encontros Bibli se reserva el derecho de utilizar software o cualquier otro método para detectar plagio.
Todas las presentaciones recibidas para su evaluación en la revista Encontros Bibli: revista electrónica de biblioteconomía y ciencias de la información pasan por la identificación del plagio y el auto-plagio. El plagio identificado en los manuscritos durante el proceso de evaluación dará como resultado la presentación de la presentación. En el caso de identificación de plagio en un manuscrito publicado en la revista, el Editor en Jefe llevará a cabo una investigación preliminar y, si es necesario, la retractará.
Esta revista, siguiendo las recomendaciones del movimiento de Acceso Abierto, proporciona su contenido en Acceso Abierto Completo. Por lo tanto, los autores conservan todos sus derechos, permitiendo a Encontros Bibli publicar sus artículos y ponerlos a disposición de toda la comunidad.
Los contenidos de Encontros Bibli están licenciados bajo Licencia Creative Commons 4.0.
Cualquier usuario tiene derecho a:
- Compartir: copiar, descargar, imprimir o redistribuir material en cualquier medio o formato
- Adaptar: mezclar, transformar y crear a partir del material para cualquier propósito, incluso comercial.
De acuerdo con los siguientes términos:
- Atribución: debe otorgar el crédito apropiado, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Debe hacerlo bajo cualquier circunstancia razonable, pero de ninguna manera sugeriría que el licenciante lo respalde a usted o su uso.
- Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros de hacer cualquier cosa que permita la licencia.