Melhorando estratégias de busca em estudos bibliométricos sobre aprendizado de máquina na medicina renal.

Int Urol Nephrol. 23 de dezembro de 2024. doi: 10.1007/s11255-024-04335-8. Online antes da impressão.

RESUMO

Este artigo avaliou o estudo bibliométrico de Li et al. (Int Urol Nephrol, 2024) sobre aprendizado de máquina em medicina renal. Embora o estudo afirme resumir as tendências de vanguarda e os pontos quentes neste campo, várias questões-chave exigem mais esclarecimento para orientar efetivamente pesquisas futuras. Em primeiro lugar, embora os autores tenham usado o caractere coringa “*” para ampliar o alcance da busca, eles filtraram os artigos apenas por tipo de documento e idioma, sem filtragem específica com base em títulos, resumos ou textos completos. Esta abordagem pode ter levado à inclusão de estudos irrelevantes, comprometendo potencialmente a precisão analítica. Em segundo lugar, os autores conduziram a pesquisa usando o campo de Tópico (TS), que pode incluir artigos não diretamente relacionados ao tópico pretendido. Recomendamos usar Título (TI), Resumo (AB) e Palavras-chave do Autor (AK) como critérios de filtragem em estudos futuros para melhorar a precisão da pesquisa. Por fim, na análise de coocorrência de palavras-chave, os autores não fundiram sinônimos, levando a distorções nas classificações de frequência de palavras-chave; por exemplo, “aprendizado de máquina” e “aprendizado de máquina (ML)” foram tratados como termos separados. Acreditamos que a fusão de sinônimos aumentaria a precisão da análise de palavras-chave. No geral, a estratégia de pesquisa de Li et al. demonstra problemas como escopo impreciso e falta de integração de sinônimos. Para garantir a abrangência e precisão de pesquisas futuras, sugerimos refinar a estratégia de pesquisa, empregar etapas de filtragem precisas e integrar sinônimos para melhorar a qualidade de estudos bibliométricos.

PMID:39714749 | DOI:10.1007/s11255-024-04335-8