ديداري‌سازي شبكه مفهومي ويروس پاپيلوم انساني در جهان

Visualizing Human Papillomavirus Conceptual Network Evolution: A Global View

مقدمه: با استفاده از روش تحليل هم‌واژگاني، ارتباط بين موضوعات علمي كشف، ساختار فكري حاكم شناسايي و جنبه‌هاي پژوهشي زيرمجموعه آشكار مي گردد. هدف از انجام پژوهش حاضر، ديداري‌سازي شبكه مفهومي ويروس پاپيلوم انساني HPV (Human Papillomavirus) در جهان بود. روش بررسي: اين مطالعه به روش تحليل هم واژگاني صورت گرفت. 17278 كليد واژه مستخرج از ‌13249 مقاله با موضوع HPV كه طي بازه زماني سال‌هاي 2014 تا 2018 در پايگاه Web of Science نمايه شده بود، جامعه آماري تحقيق را تشكيل داد. جهت مشخص كردن كليد واژه‌هاي اصلي به منظور تعيين راهبرد جستجو، از سرعنوان‌هاي موضوعي پزشكي MeSH (Medical Subject Headings) استفاده گرديد. يافته‌ها: 126 كليد واژه پرتكرار شناسايي شد و «سرطان دهانه رحم» بيشترين فراواني را داشت. با استفاده از خوشه‌بندي سلسله مراتبي به روش Ward، 14 خوشه موضوعي به دست آمد. بزرگ‌ترين ‌خوشه‌ با 30 كليد واژه متعلق به «علايم و بيماري‌هاي ناشي از HPV» بود. جهت كسب بينش جامع‌تر و بهتر پيرامون ساختار موضوعات HPV، از نقشه دو بعدي بهره گرفته شد. نتيجه‌گيري: تحليل هم‌واژگاني به‌ خوبي مي‌تواند ساختار علمي و فكري HPV را نمايان سازد و ابزار مناسبي جهت شناسايي موضوعات پركاربرد HPV مي‌باشد. به‌ نظر مي‌رسد كه پژوهش‌هاي HPV، رابطه تنگاتنگي با مطالعات قلمروي پزشكي و سلامت همچون پيشگيري و درمان دارد.

Introduction: Co-word analysis is used to identify the intellectual structure governing the research field and uncover the research aspects. The main purpose of this study is to visualize the human papillomavirus (HPV) conceptual network. Methods: The 17278 keywords extracted from the 13249 articles on the HPV indexed in the Web of Science (WoS) database from 2014-2018 constituted the study samples. The Medical Subject Headings (MeSH) was used to identify the keywords to determine the search strategy. Results: 126 repeated keywords with high frequency were identified, the most frequent of which was cervical cancer. Hierarchical clustering of findings led the researchers to 14 subject clusters, the biggest of which being HPV symptoms and disease with 30 keywords. In order to gain a more comprehensive insight into the structure of the studied subjects, the two-dimensional mapping method was used. The two most common co-word keywords were selected from each cluster. Conclusion: As suitable tool for identifying the most relevant subjects and concepts, co-word occurrence analysis could discover the intellectual structure of the HPV research field. Regarding the frequency of clusters and keywords, HPV research has a close connection with general medical research fields such as prevention and treatment.