Produção científica sobre hospitais no contexto da ciência de dados: um estudo a partir da web of science

Autores

DOI:

https://doi.org/10.5007/1518-2924.2021.78824

Palavras-chave:

Ciência de Dados, Bibliometria, Web of Science, Big Data, Machine Learning

Resumo

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.

Downloads

Não há dados estatísticos.

Biografia do Autor

Natanael Vitor Sobral, Instituto de Ciência da Informação da Universidade Federal da Bahia

Bacharel em Gestão da Informação pela Universidade Federal de Pernambuco (UFPE), Especialista em Administração de Marketing pela Faculdade de Ciências Administrativas da Universidade de Pernambuco (FCAP/UPE), Mestre em Ciência da Informação pela UFPE e Doutor em Ciência da Informação pela Universidade Federal da Bahia (UFBA). Atualmente é Professor do Instituto de Ciência da Informação da UFBA.

Gillian Leandro de Queiroga Lima, Universidade Federal da Bahia

outor em Difusão do Conhecimento pelo Programa de Doutorado Multi-Institucional e Multidisciplinar em Difusão do Conhecimento - DMMDC/UFBA. Possui Bacharelado em Arquivologia pela Universidade Federal da Bahia (UFBA), Pós-graduação no MBA em Gestão da Informação da Universidade Salvador (UNIFACS) e Mestrado em Ciência da Informação pelo Instituto de Ciência da Informação da UFBA. Atualmente é Professor Adjunto da UFBA e Chefe do Departamento de Fundamentos e Processos Informacionais (DFPI) do Instituto de Ciência da Informação da UFBA. Integrante do Grupo Temático Informação, Saúde e População da Associação Brasileira de Saúde Coletiva (GTISP/Abrasco) e do Grupo de Estudos de Políticas de Informação, Comunicações e Conhecimento (GEPICC). Possui experiência em pesquisas na área de teorias arquivísticas, informações em saúde, gestão de arquivos e serviços arquivísticos, gestão de documentos e em organização de arquivos.

Ana Sara Pereira de Melo Sobral, Instituto Federal Baiano

Mestre em Ciência da Informação pela Universidade Federal da Bahia (UFBA); Especialista em Gestão de Biblioteca Públicas pela Universidade Cândido Mendes; Graduada em Biblioteconomia e Documentação (UFBA). Bibliotecária no Instituto Federal Baiano.

Referências

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

2021-10-08

Como Citar

SOBRAL, Natanael Vitor; LIMA, Gillian Leandro de Queiroga; SOBRAL, Ana Sara Pereira de Melo. Produção científica sobre hospitais no contexto da ciência de dados: um estudo a partir da web of science. Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, [S. l.], v. 26, n. Especial, p. 1–16, 2021. DOI: 10.5007/1518-2924.2021.78824. Disponível em: https://periodicos.ufsc.br/index.php/eb/article/view/78824. Acesso em: 8 nov. 2024.