基于比较主题建模方法的黄斑变性营养预防见解
计算与语言
2023-11-20 v4
摘要
主题建模和文本挖掘是自然语言处理（NLP）的子集，与进行元分析（MA）和系统综述（SR）相关。对于证据综合，上述NLP方法传统上用于特定主题的文献检索或从报告中提取值以自动化SR和MA的关键阶段。相反，本工作提出一种比较主题建模方法，用于分析关于同一一般研究问题的矛盾结果报告。具体而言，目标是通过根据其在显著效应报告中的比例出现（和分布一致性）进行排序，识别与感兴趣结局的显著结果表现出不同关联的主题。所提出的方法在关于补充营养化合物是否显著有益于黄斑变性（MD）的广泛范围研究上进行了测试。其中四项在通过后续文献检索进行验证时进一步得到有效性支持（omega-3脂肪酸、铜、玉米黄质和硝酸盐）。两项未得到后续文献检索支持（烟酸和钼）在所提出的评分系统下也处于最低分数范围，这表明所提出方法对给定主题的评分可能是其与感兴趣结局关联程度的可行替代指标，并有助于搜索潜在因果关系。这些结果支撑了所提出方法在增加广泛范围报告效应理解的特异性、阐明未来研究的感兴趣主题以及以系统且可扩展的方式指导证据综合方面的潜力。所有这些都在产生对MD预防的宝贵见解的同时得以实现。
引用
@article{arxiv.2309.00312,
title = {Insights Into the Nutritional Prevention of Macular Degeneration based on a Comparative Topic Modeling Approach},
author = {Lucas Cassiel Jacaruso},
journal= {arXiv preprint arXiv:2309.00312},
year = {2023}
}