整理文献信息只能发中文综述？主题建模分析一下，就能发5分paper

大量阅读文献是科研党实验之外的日常，汲取选题、科研思路和实验设计的启示，顺便为自己的论文、标书准备一下「研究背景」，可能还可以发篇综述。以上是对文献的常规操作~

其实，文献信息还可以这样用

2020年11月，瑞典卡罗林斯卡学院的研究人员在《Journal of Medical Internet Research》（IF=5.034）杂志发表了其最新研究成果，他们通过使用基于机器学习的方法，对大流行初期发表的所有COVID-19研究进行了探索，并绘制COVID-19大流行早期阶段的研究演变图。此项研究将有助于研究人员和政策制定者对目前COVID-19证据基础形成一个结构化的观点，并提供进一步的研究方向。

他们是这样使用文献信息的

研究人员进行了PubMed搜索，以分析COVID-19已发表论文的标题，关键词和摘要。使用潜在的Dirichlet分配模型来提取主题，并进行了趋势分析，以了解每个主题，期刊影响因子（JIF）和地理来源的研究的时空变化。

得出了如下结果

根据搜索结果，研究人员发现了16670篇相关文章，日期在2020年2月14日至2020年6月1日之间。周发表文章数的中位数为374.5。随着时间的推移，每周发表的文章数量呈指数型发展。JIF中位数随着时间的推移呈下降趋势。

研究人员确定了14个主要研究主题，主要主题为卫生保健应对，发表文章2812篇（16.86%）；临床表现，发表文章1828篇（10.96%）；心理影响，发表文章1771篇（10.62%）。最不常见的主题是风险因素、实验室诊断和免疫学。JIF中位数最高的3个主题是保护措施、免疫学和临床表现。

主题随时间的分布：在临床表现和保护措施方面的研究呈上升趋势，而在疾病传播、流行病学、卫生保健反应和放射学方面的研究呈下降趋势。

研究成果最多的国家是美国（3223件，19.33%）、中国（2264件，13.58%）、意大利（1591件，9.54%）和英国（1055件，6.33%）。

此项研究的结果表明COVID-19大流行早期阶段的科学出版物可以被模拟成专题。这些主题的演变可以让我们了解当前的研究趋势，并可能帮助研究人员和决策者对现有的COVID-19证据库形成结构化的观点，并提供进一步的研究方向。

尽管此项研究还存在一些局限性，例如用几个量化的指标来评估最佳的主题数量，这可能会与主题专家的意见相冲突；一篇文章可能会出现在我们数据集中的几个主题中；分析仅限于科学出版物等。但是本次探索研究表明主题建模是一种快速而有用的方法，可以评估一个广泛而快速发展的研究主题(如COVID-19)的发展，并且可以在当前和未来的大流行期间进一步加以利用。

参考文献
Älgå A, Eriksson O, Nordberg M. Analysis of Scientific Publications During the Early Phase of the COVID-19 Pandemic: Topic Modeling Study[J]. Journal of Medical Internet Research, 2020, 22(11): e21559.
引用
Karolinska Institutet. "Survey of COVID-19 research provides fresh overview." ScienceDaily. ScienceDaily, 10 November 2020. .
图片来源于JMIR官网和参考文献，如有侵权请联系删除。