Acceso usuarios
[1]
;
Sánchez Tormo, Julia
[2]
Elche, España
Alicante, España
Objetivo: Identificar de manera no supervisada mediante topic modeling los temas de mayor interés en el campo de la Salud Laboral y los Se-vicios de Atención a Domicilio de los artículos científicos publicados en la materia. Método: Este estudio empleó el algoritmo de Machine Learning no supervisado Asignación Latente de Dirichlet para el topic modeling y el lexicón NRC para la realización del análisis de sentimientos del corpus de las fichas documentales obtenidas de MEDLINE (vía PubMed) usando los descriptores “Salud Laboral” y “Servicios de Atención de Salud a Domicilio”. Resultados: Del total de 70 fichas documentales analizadas, se obtuvo que la intensidad de las emociones en los textos era baja (oscilando en valores de 5 a 10), teniendo una mayor representación los sentimientos positivos frente a los negativos en una relación de 60/40. No hubo una variación de las proporciones de las emociones con respecto al período del estudio. Se identificaron los cuatro temas de mayor interés en los artículos analizados: cuidado domiciliario y satisfacción de los cuidadores, período de lactancia, programas de rehabilitación, y actividad física para mitigación del dolor. Conclusiones: Se ha podido constatar que las metodologías del procesado de lenguaje natural pueden ser una gran herramienta de apoyo al análisis de artículos científicos. Concretamente, se ha logrado determinar de manera clara y no supervisada los temas de mayor interés en el campo de la Salud Laboral y la Atención de Salud a Domicilio
Objective: To identify in an unsupervised manner through topic modeling the topics of great-est interest in the field of Occupational Health and Home Care Services from the scientific articles published on the subject. Method: The study used the unsupervised Machine Learning algorithm Dirichlet Latent Assignment for topic modeling and the NRC lexicon to carry out the sentiment analysis of the corpus of document files obtained from MEDLINE (via PubMed) using the descriptors “Occupational Health” and “Home Care Services”. Results: Of the total of 70 documentary files analyzed, it was obtained that the intensity of the emotions in the texts was low (ranging in values from 5 to 10), with positive feelings having a greater representation compared to negative ones in a ratio of 60/ 40. There was no variation in the proportions of emotions with respect to the study period. The four topics of greatest interest were identified in the articles analyzed: home care and caregiver satisfaction, breastfeeding period, rehabilitation programs, and physical activity to mitigate pain.Conclusions: It has been confirmed that natural language processing methodologies can be a great support tool for the analysis of scientific articles. Specifically, it has been possible to determine in a clear and unsupervised manner the topics of greatest interest in the field of Occupational Health and Home Care Services
