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

Int Urol Nephrol. 23 de dezembro de 2024. doi: 10.1007/s11255-024-04335-8. Publicação online antecipada.

RESUMO

Este artigo avaliou o estudo bibliométrico de Li et al. (Int Urol Nephrol, 2024) sobre aprendizado de máquina na medicina renal. Embora o estudo afirme resumir as tendências principais e os pontos quentes neste campo, várias questões-chave exigem uma maior clarificação para guiar efetivamente pesquisas futuras. Em primeiro lugar, embora os autores tenham utilizado o caractere “*” curinga para ampliar o escopo da pesquisa, eles 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 realizaram a pesquisa usando o campo Tópico (TS), o que pode incluir artigos não intimamente relacionados ao tópico pretendido. Recomendamos o uso de Título (TI), Resumo (AB) e Palavras-chave do Autor (AK) como critérios de filtragem em estudos futuros para melhorar precisão da pesquisa. Por fim, na análise de coocorrência de palavras-chave, os autores não fundiram sinônimos, levando a distorções nos rankings 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 melhoraria a precisão da análise de palavras-chave. De modo 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 futuras pesquisas, sugerimos refinar a estratégia de pesquisa, empregar etapas precisas de triagem e integrar sinônimos para melhorar a qualidade de estudos bibliométricos.

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