arXiv 1406.41612014-06cs.DL

将MEDLINE/PubMed数据与Web of Science（WoS）进行匹配：一个R语言例程

Matching MEDLINE/PubMed Data with Web of Science (WoS): A Routine in R language

Daniele Rotolo, Loet Leydesdorff

摘要：

我们提出了一种新的例程，即medlineR，基于R-语言，使用户能够匹配MEDLINE/PubMed的数据与ISI Web of Science（WoS）数据库中索引的记录。匹配允许利用MEDLINE/PubMed的医学主题词（MeSH）的丰富和受控词汇与WoS的其他字段。该集成提供数据（例如引文数据，引用参考文献列表，作者所在组织的完整地址列表，WoS主题类别）以执行各种科学计量分析。这个简短的交流描述了medlineR，它所依赖的方法，以及用户在两个数据库之间执行匹配时应该遵循的步骤。为了说明与Leydesdorff和Opthof（2013）的差异，我们通过测试“Burgada综合征”病例的例程来结束简短的交流。

英文摘要：

We present a novel routine, namely medlineR, based on R-language, that enables the user to match data from MEDLINE/PubMed with records indexed in the ISI Web of Science (WoS) database. The matching allows exploiting the rich and controlled vocabulary of Medical Subject Headings (MeSH) of MEDLINE/PubMed with additional fields of WoS. The integration provides data (e.g. citation data, list of cited reference, full list of the addresses of authors' host organisations, WoS subject categories) to perform a variety of scientometric analyses. This brief communication describes medlineR, the methodology on which it relies, and the steps the user should follow to perform the matching across the two databases. In order to specify the differences from Leydesdorff and Opthof (2013), we conclude the brief communication by testing the routine on the case of the "Burgada Syndrome".

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

来自出版物致谢的资金数据：覆盖范围，使用和限制

Funding Data from Publication Acknowledgements: Coverage, Uses and Limitations

本文通过探索新兴方法的鲁棒性和可比性来生成对政策制定有用的资助景观，从而有助于研究资助系统分析方法的发展。我们使用了一个新的数据集，手动提取和编码的数据，在2011年代表英国癌症研究的7,510篇出版物的资金来源，并将这些“参考数据”与Web of Science（WoS）和MEDLINE/PubMed提供的资金数据进行比较。研究结果显示，WoS资金数据的召回率较高（约93%）。相比之下，MEDLINE/PubMed数据检索到的英国癌症出版物中只有不到一半承认至少有一个资助者。相反，这两个数据库都有很高的精确度（+90%）：即很少有未向资助者确认的出版物被确定为有资助数据。尽管如此，MEDLINE/PubMed和WoS分别在约75%和32%的病例中未正确列出英国癌症出版物中承认的资助者。“参考数据”的英国癌症研究资助系统，然后作为一个案例研究，以展示实用的资助数据的战略情报应用程序（例如，绘图的资助景观，比较资助者的研究组合）。

2016-04-17cs.DL

使用PubMed的医学主题词（MeSH）对医学创新的文献计量学观点

Bibliometric Perspectives on Medical Innovation using the Medical Subject Headings (MeSH) of PubMed

使用Medline数据库的医学主题词（MeSH），可以区分和组合医学创新的非线性过程的多个视角。聚焦于三个主要分支-“疾病”，“药物和化学品”，“技术和设备”-我们使用底图和覆盖技术来调查翻译和相互作用，从而获得对医学创新动态的文献计量学视角。为此，我们首先分析了Medline数据库，MeSH索引树，以及从不同角度和不同聚合级别进行静态映射的各种选项。随着时间的推移，在一个特定的创新（RNA干扰）之后，详细阐述了在数据库中留下签名的轨迹的概念。描述研究动态的详细指数术语能否用于预测研究成果的扩散动态？Possible被指定用于Medline数据库与Science Citation Index和Scopus（包含引文信息）之间的进一步整合。

2012-04-07cs.DL

PubTree：一个用于MEDLINE数据库的分层检索工具

PubTree: A Hierarchical Search Tool for the MEDLINE Database

跟踪不断增加的科学文献是一项不断升级的挑战。我们提出了PubTree的分层搜索工具，有效地搜索PubMed/MEDLINE数据集的基础上构建的决策树使用> 26万摘要。该工具是作为一个网页实现的，在那里用户被问到一系列的18个问题，以找到相关的文章。这种分层搜索工具的实现突出了文档检索特有的问题。然而，这棵树的构建表明，随着未来的发展，分层搜索可能成为一个有效的工具（或辅助）在挖掘生物文献。

2017-02-26cs.DLcs.IR

MEDOC：将MEDLINE加载到本地MySQL数据库的Python包装器

MEDOC: a Python wrapper to load MEDLINE into a local MySQL database

自MEDLINE数据库发布以来，该实体索引的文件数量每年都在增加。美国国立卫生研究院（NIH）已经开发了几种工具来查询这一科学出版物的语料库。然而，就大数据、文本挖掘和数据科学的进步而言，建立一个包含MEDLINE上所有可用元数据的本地关系数据库的选项对于最佳利用这些资源将是真正有用的。MEDOC（MEdline DOwnloading Contrivance）是一个Python程序，用于在FTP上下载数据，并将所有提取的信息加载到本地MySQL数据库中。MEDOC花了4天17小时才将这台服务器上的2600万份文件加载到一台标准计算机上。这个索引的关系数据库允许用户建立复杂和快速的查询。因此，所有字段都可以搜索所需的信息，这是一项通过PubMed图形界面难以完成的任务。MEDOC是免费的，可在https://github.com/MrMimic/MEDOC上公开获取。

2017-10-18cs.DBcs.DL

基于Web of Knowledge的医学主题词引文分析（MeSH）：一种新方法

Citation Analysis with Medical Subject Headings (MeSH) using the Web of Knowledge: A new routine

从Medline数据库（在Web of Knowledge）检索到的文献的引文分析只能在个案基础上进行。在这里开发了一种技术，用于在批处理模式下使用Web of Knowledge上的医学主题词（MeSH）和Web of Science上的科学引文索引进行引文分析。这个免费软件例程适用于“Brugada综合征”的情况下，一个特定的疾病和研究领域（自1992年以来）。例如，包含这些出版物的期刊被归类为“心脏和心血管系统”以外的Web-of-Science类别），这可能是因为在临床上对这种综合征进行基因检测的可能性。有了这个例程，所有可用于引文分析的工具现在都可以在MeSH术语的基础上使用。还审查了Medline、WoS和Scopus之间交叉的其他选项。

2012-07-02cs.DL

抽象挖掘

Abstract Mining

我们已经开发了一个应用程序，将采取“MEDLINE”输出从PubMed数据库，并允许用户集群的PubMed输出的摘要的所有非平凡的话。用户可以选择要使用的群集数量。可以选择一个特定的群集，所选群集中所有发布的PMID和日期将显示在下面。参见图2，其中选择了群集12。该应用程序还有一个“Abstracts”选项卡，可以在其中仔细阅读所选集群的摘要。在这里，还可以下载一个HTML文件，其中包含所选集群中每个出版物的PMID、日期、标题和摘要。第三个选项卡称为“标题”，其中显示所选群集的所有标题。通过“使用集群”按钮，所选集群本身可以被集群化。“返回”按钮允许用户返回到任何先前的状态。最后，也可以排除其摘要中含有某些词语的文件（见图3）。该应用程序将允许研究人员在PubMed搜索引擎中输入一般搜索词，然后使用该应用程序在这些搜索词中搜索特别感兴趣的出版物。

2018-04-26cs.DL

更多相关论文收起更多论文

参考文献和医学主题词（MeSH）作为两种不同知识表示的研究：论文层次的聚类和映射

Cited References and Medical Subject Headings (MeSH) as Two Different Knowledge Representations: Clustering and Mappings at the Paper Level

对于生物医学科学，医学主题词（MeSH）提供了丰富的功能，目前无法与广泛使用的引用/引用数据正确合并。在这里，我们提供的方法和例程，使MeSH条款适用于更广泛的使用在科学指标的研究：使用Web的科学（WoS）数据，可以生成矩阵的引用与引用的文件;使用PubMed/MEDLINE数据，矩阵的引用文件与MeSH条款可以类似地生成。这两个矩阵也可以重组为MeSH项与引用的参考文献的2模式矩阵。例如，使用参考文献中的缩写期刊名称，可以解决MeSH术语是否可以用作WoS主题类别的替代品以规范引用数据的问题。我们探讨的情况下，淀粉样蛋白级联假说在阿尔茨海默病（AD）的研究计划的例程的适用性。一个结论是，参考期刊提供档案结构，而MeSH术语主要表示研究前沿的变化（包括新颖性）。此外，我们探讨了使用引用/被引矩阵的主路径分析作为软件的副产品的选项。

2016-09-11cs.DL

2019冠状病毒病科学生产的日增长率。数据库和开放获取资料库中的分析

Daily growth rate of scientific production on Covid-19. Analysis in databases and open access repositories

科学界在解决全球健康问题方面正面临最大的挑战之一：COVID-19大流行。这种情况产生了前所未有的出版物数量。就出版物而言，关于COVID-19的研究数量是多少？这项研究工作的总体目标是在不同的数据库（Dimensions、Web of Science Core Collection、Scopus-Elsevier、Pubmed和八个数据库）中获得关于COVID-19科学生产的每日增长的全球视野。关于所获得的结果，Dimensions索引了总共9435篇出版物（69%有同行评审和2677篇预印本），远高于Scopus（1568）和WoS（718）。这是一个经典的指数增长的胆固醇现象（R2 = 0.92）。全球增长率为500种出版物，产量每15天翻一番。在Pubmed的情况下，每周增长约1000篇出版物。在分析的八个存储库中，Pubmed Central，Medrxiv和SSRN是领导者。尽管它们做出了巨大的贡献，但期刊仍然是科学交流的核心。最后，已确定每四份关于COVID-19的出版物中有三份可开放获取。信息爆炸要求信息专业人员作出认真和协调的反应，这使我们处于信息流行病的中心。

2020-04-14cs.DLcs.IRstat.OT