医学文献摘要方面的数据集选取及构造

你与民谣我与欢喜

于 2024-05-30 14:09:57 发布

阅读量633

点赞数 17

文章标签： nlp

本文链接：https://blog.csdn.net/2201_75499442/article/details/139321642

版权

一、基于PICO语料库的分析

参考论文：https://aclanthology.org/2022.wiesp-1.4.pdf

该论文详细介绍了PICO语料库的研究过程及构造方式，其明确指出，该语料库内容是与乳腺癌相关的随机对照试验（RCTs），他们选择该方面的理由如下：乳腺癌是世界上死亡的主要原因之一，同时他们专注于随机对照试验，因为它们被认为是临床研究方法的黄金标准。因此我们在确立数据集的过程中，主要衡量标准为世界上死亡的主要原因之一与临床研究的具体方法，从而确定我们需要进一步考虑的病和研究方法。

二、基于全球疾病与临床研究的分析

我们阅读了全球十大死亡原因这篇文章，总结出我们打算优先考虑的疾病：百度安全验证https://baijiahao.baidu.com/s?id=1541185602917616&wfr=spider&for=pc

高血压、冠心病、心肌梗死——这些疾病的研究量大，有大量的随机对照试验和观察性研究。

慢性阻塞性肺病（COPD）、哮喘——呼吸系统疾病的流行病学特征和治疗策略在文献中有广泛的讨论。

肺癌、结直肠癌、前列腺癌——研究的热点，尤其是在治疗方法和药物研发方面。

糖尿病——发病率不断上升，相关的治疗、管理及其并发症的研究文献非常丰富。

COVID-19——近年来热点

阿尔茨海默病、帕金森病——病理机制和治疗方法有很多值得探讨的地方。

（抑郁症、焦虑症、精神分裂症||自身免疫疾病：如类风湿关节炎、系统性红斑狼疮等）

同时，针对临床研究方法，我们参考了知乎来自@行走的药匣子的一篇有关临床研究的介绍。其具体介绍了临床研究按照研究方法可分为原始研究和二次研究。

原始研究中，又分为实验性研究与观察性研究，我们经过充分了解，并在PICO语料库的基础上，仍然以实验性研究中的RCT随机对照试验为重点，同时实验性研究还包括了半随机对照试验（qRCT）、交叉试验、非随机同期对照试验，整体而言与随机对照试验大相径庭，因此我们目前只针对随机对照试验来进行探究。

而观察性研究中，我们后续会着重考虑队列研究——将一群（组）研究对象（队列）按是否暴露于某种研究因素分为暴露组与非暴露组（对照组），随访观察适当长的时间，比较两组之间所研究疾病（或事件）的发病率（或发生率）或死亡率差异，从而判断这个（些）暴露因素与疾病之间有无关联及关联大小的一种观察性研究方法。同时，我们的数据集也会相应考虑病例对照研究与横断面调查设计。此外，观察性研究还包括描述性研究，但其常常是对一个新事件或疾病的第一个尝试性研究手段。这些研究一般来说强调一个新的疾病的特点或评估社区的健康状态。基本上无需表格化形式的可视化输出，也无需过多的可视化展示便可理解，因此我们不予考虑。

二次研究中，主要强调尽可能全面地收集某一问题的全部原始研究证据，进行严格评价、整合处理、分析总结后所得出的综合结论。因此我们也会去考虑系统分析与meta分析。

综述：

选取随机对照试验（RCT）：RCT作为证据等级最高的研究设计，对所有疾病的研究都极其重要。并且在爬取设计RCT的文献时，可能需要平衡，确保所有疾病领域的RCT研究都能得到足够的关注。

备选队列研究：队列研究是明确疾病发病率及其自然史的最佳方法，还可用于研究单一暴露因素导致的多种研究结局。

备选系统分析与meta分析：是对多个原始研究证据再加工后得到的更高层次的证据。