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

Por: National Center for Biotechnology Information

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 pontos focais neste campo, várias questões-chave requerem esclarecimentos adicionais para orientar efetivamente a pesquisa futura. Em primeiro lugar, os autores usaram o caractere curinga “*” para ampliar o escopo da busca, mas filtraram os artigos apenas por tipo de documento e idioma, sem um filtro específico com base em títulos, resumos ou textos completos. Essa abordagem pode ter levado à inclusão de estudos irrelevantes, comprometendo potencialmente a precisão analítica. Em segundo lugar, os autores conduziram a busca usando o campo Título (TS), que pode incluir artigos não intimamente relacionados ao tema 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 busca. Finalmente, 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 distintos. Acreditamos que a fusão de sinônimos aprimoraria a precisão da análise de palavras-chave. No geral, a estratégia de busca de Li et al. demonstra problemas, como escopo impreciso e falta de integração de sinônimos. Para garantir a abrangência e a precisão de pesquisas futuras, sugerimos refinar a estratégia de busca, empregar etapas de triagem precisas e integrar sinônimos para melhorar a qualidade de estudos bibliométricos.