Exploring the Interdisciplinary Nature of Precision Medicine：Network Analysis and Visualization
Notice bibliographique
Résumé
BACKGROUND: Interdisciplinary research is an important feature of precision medicine. However, the accurate cross-disciplinary status of precision medicine is still unclear. OBJECTIVE: The aim of this study is to present the nature of interdisciplinary collaboration in precision medicine based on co-occurrences and social network analysis. METHODS: A total of 7544 studies about precision medicine, published between 2010 and 2019, were collected from the Web of Science database. We analyzed interdisciplinarity with descriptive statistics, co-occurrence analysis, and social network analysis. An evolutionary graph and strategic diagram were created to clarify the development of streams and trends in disciplinary communities. RESULTS: The results indicate that 105 disciplines are involved in precision medicine research and cover a wide range. However, the disciplinary distribution is unbalanced. Current cross-disciplinary collaboration in precision medicine mainly focuses on clinical application and technology-associated disciplines. The characteristics of the disciplinary collaboration network are as follows: (1) disciplinary cooperation in precision medicine is not mature or centralized; (2) the leading disciplines are absent; (3) the pattern of disciplinary cooperation is mostly indirect rather than direct. There are 7 interdisciplinary communities in the precision medicine collaboration network; however, their positions in the network differ. Community 4, with disciplines such as genetics and heredity in the core position, is the most central and cooperative discipline in the interdisciplinary network. This indicates that Community 4 represents a relatively mature direction in interdisciplinary cooperation in precision medicine. Finally, according to the evolution graph, we clearly present the development streams of disciplinary collaborations in precision medicine. We describe the scale and the time frame for development trends and distributions in detail. Importantly, we use evolution graphs to accurately estimate the developmental trend of precision medicine, such as biological big data processing, molecular imaging, and widespread clinical applications. CONCLUSIONS: This study can help researchers, clinicians, and policymakers comprehensively understand the overall network of interdisciplinary cooperation in precision medicine. More importantly, we quantitatively and precisely present the history of interdisciplinary cooperation and accurately predict the developing trends of interdisciplinary cooperation in precision medicine.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».