COVID-19的调查研究提供了新鲜的概述

在瑞典卡罗林斯卡医学院的研究人员探索所有COVID-19研究发表在初始阶段的大流行。结果,通过使用一个基于机器学习方法和发表的医学网络研究杂志》上未来,就能很容易地直接研究到最需要的地方。

后COVID-19的快速传播,研究疾病急剧升级。超过60000 COVID-19-related文章被索引日期在医学PubMed数据库。这个身体太大的研究由传统的评估方法,如系统和范围的评论,这使得它很难获得科学的全面概述。

“尽管COVID-19小说作为一个疾病,一些已经发表的系统评价,”安德烈亚斯海藻说医生和临床科学和教育部门研究员Sodersjukhuset卡罗林斯卡医学院。“然而,这样的评论非常耗时、耗资源,但通常远远落后于最新发表的证据,并只关注特定方面的大流行。”

获得更全面的概述,安德烈亚斯海藻和他的同事们雇佣了机器学习技术,使他们能够映射关键领域的研究领域和跟踪的发展。本研究包括16670名科学论文在COVID-19发表于2020年2月14日至6月1日,分为14种不同的话题。

研究表明,最常见的研究主题是医疗保健的回应,临床表现,和心理的影响。一些话题,比如卫生保健的回应,拒绝随着时间的推移,而其他人,如临床表现和保护措施,显示一个越来越明显的趋势的出版物。

保护措施、免疫学和临床表现的研究主题发表在期刊科学排名最高的平均水平。的国家占大多数的出版物(美国、中国、意大利和英国)也在受灾最严重的大流行。

“我们的结果表明科学界如何应对当前的流感大流行,哪些问题是优先在早期阶段,世界上研究,”研究员马丁Nordberg说医生和临床科学和教育部门研究员Sodersjukhuset。

研究者还开发了一个网站,定期更新的进化COVID-19可以找到证据基础。

“我们希望我们的研究结果,包括网站,可以帮助研究人员和政策制定者形成的结构化视图COVID-19和直接研究未来的研究努力因此,“海藻博士说。