首页 理论教育 大数据研究健康领域的热点

大数据研究健康领域的热点

时间:2023-07-04 理论教育 版权反馈
【摘要】:另外,也能利用大数据模型[19]来研究空气污染造成的健康影响和疾病经济负担。机器学习是人工智能的核心,通过专门研究、模仿人类行为,从而获得新的知识技能,目前已应用于多领域[22]。如农作物管理、畜牧管理、水资源和土地资源管理[23]等。结合关键词频次和中心度,得到两者均较高的前20名主题词,如表13-4所示,全健康大数据研究领域中,大数据、气候变化、机器学习、空气污染、预测、挑战、框架、生态及健康等是研究热点。

大数据研究健康领域的热点

图13-7 CNKI中全健康领域内大数据国内作者合作关系网络

图13-8 全健康领域内大数据研究WoS关键词共现图谱

用Citespace导出关键词共现图谱,在图13-8和图13-9中可以看出,除去“大数据”相关的主题词外,WoS核心合集中该领域研究的高频关键词有:climatechange(气候变化)、airpollution(空气污染)、machinelearning(机器学习)、biodiversity(生物多样性)、conservation(自然保护)等;CNKI数据库中的高频关键词有:食品安全、突发公共卫生事件、生物多样性、生态保护、互联网+及环保大数据等。

图13-9 全健康领域内大数据研究CNKI关键词共现图谱

当用CiteSpace进行关键词聚类分析时,根据聚类模块值(modularity,Q值)和聚类平均轮廓值(silhouette,S值)对聚类结果进行评估,一般当Q>0.3时,意味着划分出来的社团结构是显著的;S>0.7时,表明聚类效果是令人信服的[17]。利用CiteSpace将WoS核心合集中的文献进行关键词聚类分析,节点类型选择“Keyword”,阈值为系统默认,聚类选择“labelingclusterswithindexingterms”,得到明显的6个聚类,序号由小到大分别为airpollution(空气污染)、biodiversity(生物多样性)、machinelearning(机器学习)、climatechange(气候变化)、InternetofThings(物联网)、foodsafety(食品安全),犛值=0.8563(>0.7),说明聚类效果明显,网络同质性良好。表13-3为所得6个聚类及其所含其他关键词,目前全健康领域内大数据研究要聚焦于:

表13-3 WoS核心合集关键词聚类及其所含关键词

(1)空气污染。空气污染影响着全球数十亿人,而城市空气污染浓度在短距离内差异较大,常规的固定场所空气质量检测方法有局限性,而大数据平台和技术[如,Google streetview(谷歌街景视图)][18]弥补了空气质量监测的缺口。另外,也能利用大数据模型(如SDM模型)[19]来研究空气污染造成的健康影响和疾病经济负担。(www.xing528.com)

(2)生物多样性。生物多样性包括遗传多样性、物种多样性和生态系统多样性,与人类生存息息相关。全球范围内收集了许多分散的生物多样性数据,统一分散的生物多样性数据仍然是一个巨大挑战。Kissling等[20]引入了基础生物多样性变量(essential biodiversityvariable,EBV)的概念,以构建全球性生物多样性监测,并协调和标准化不同来源的生物多样性数据。大数据平台能够极大地推动全球生物多样性监测。Engemann[21]等使用大数据采样方法和大数据算法来监测厄瓜多尔的热带植物多样性,弥补了通常使用的博物馆标本作为其主要信息来源带来的偏差。

(3)机器学习。机器学习是人工智能的核心,通过专门研究、模仿人类行为,从而获得新的知识技能,目前已应用于多领域[22]。机器学习也渗透于全健康领域决策的方方面面,极大地协助了预测和预警工作。如农作物管理、畜牧管理(动物疫病预警预测)、水资源和土地资源管理[23]等。

(4)气候变化。温室气体的排放导致全球气候变暖,影响着全健康领域内可持续发展的问题。依靠大数据模型,可以更准确实时地进行气候预测。比如,具有良好时空分辨率的区域气候模型(regionalclimatemodel,RCM)生成的未来气候数据集[24],具有更高的实用性,从而改善并促进了气候变化的影响评估。

(5)物联网。物联网是“无处不在的”,通过将射频识别设备、红外传感器全球定位系统激光扫描仪等设备与Internet结合起来,形成一个新的巨大网络,以实现智能识别和管理[25]。物联网、大数据与智慧城市紧密联系。目前,物联网技术应用于医疗环境治理等各种领域,还可用红外传感器进行农产管理和牧场管理,如动植物食品的溯源[26]

(6)食品。大数据作为一种重要的信息技术,可以指导农业食品供应链中的决策,并潜在地根据供应链中消费者所要求的基础农业生产属性来区分和识别最终产品[27]。大数据技术不仅用于食源性疾病监测和食品安全管理,还促进了营养学基因组学的结合,达到精准营养[28]的目的。

结合关键词频次和中心度,得到两者均较高的前20名主题词,如表13-4所示,全健康大数据研究领域中,大数据(bigdata)、气候变化(climatechange)、机器学习(machine learning)、空气污染(airpollution)、预测(prediction)、挑战(challenge)、框架(framework)、生态(ecology)及健康(health)等是研究热点

表13-4 WoS中全健康领域内高频次和高中心度的排名前二十的关键词

续 表

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈