BIREME y la OMS movilizan esfuerzos para innovar la base de datos WHO COVID-19

WHO-Covid-19 database

La importancia de continuar investigando y ampliando el conocimiento científico para responder en particular a la pandemia mundial de la COVID-19, sustenta la contribución contínua del Centro Latinoamericano y del Caribe en Ciencias de la Información de la Organización Panamericana de la Salud, Organización Mundial de la Salud (BIREME/ OPS/OMS) con la OMS para fortalecer los desarrollos conjuntos ya realizados y que contribuyan efectivamente a los Planes Estratégicos de la Organización. Destacando la base de datos WHO-COVID-19 Research Database (inglés), que recibió el premio Choice de la American Library Association (inglés) con la distinción “en reconocimiento al valor, la calidad y el alcance que no hubiera sido posible sin la incansable dedicación y determinación de los involucrados”.[1].

Por lo tanto, la Base de Datos de Investigación Mundial sobre COVID-19 de la OMS, que cuenta con el apoyo de BIREME/OPS/OMS, juega un papel clave para facilitar y democratizar el acceso y el uso de la literatura científica internacional más reciente sobre COVID-19 y SARS-CoV-2. Consolida la compilación de citas bibliográficas de más de 50 fuentes de información, resultado de la colaboración con varios aliados, como los Centers for Disease Control and Prevention, la National Library of Medicine (NLM) de los Estados Unidos, el Global Outbreak Alert and Response Network ( GOARN) y la editorial académica Elsevier. Incluye, además de artículos publicados en revistas, también preprints[2]. Permite al usuario explorar literatura científica relevante y actualizada en un solo lugar de consulta, a través de estrategias de búsqueda personalizadas, sensibles y comprensivas.

Esta facilidad promueve diversas oportunidades de innovación en el uso de la información disponible, lo que permite a grupos de investigadores aplicar técnicas de inteligencia artificial como el procesamiento del lenguaje natural, el machine learning y las estructuras de aprendizaje profundo para explorar las relaciones semánticas biomédicas para el descubrimiento de conocimiento sobre COVID-19. Los resultados obtenidos ayudan en la generación de hipótesis, hallazgos basados ​​en la literatura, y en el apoyo a la toma de decisiones clínicas y ampliación del conocimiento.

El continuo crecimiento en el número de artículos científicos publicados también trae desafíos en la efectividad del acceso al conocimiento y descubrimientos científicos descritos en los documentos indexados en esta base de datos. La descripción bibliográfica de artículos de revistas, informes técnicos, guías y otros tipos de publicación ofrece la posibilidad de tratar con un conjunto de metadatos que contienen relaciones semánticas, como títulos y resúmenes. Estas relaciones se pueden extraer como predicaciones semánticas (sujeto, predicado y objeto), utilizando tecnologías disponibles como SemRep[3],[4], un intérprete semántico de texto biomédico mantenido por los National Institutes of Health (NIH) de EE. UU. Basado en el Unified Medical Language System (UMLS)[5] y en los conceptos del Meta-tesauro, se puede desarrollar una red semántica, proporcionando tipos de predicados tales como tratamientos, diagnósticos, “administrado a” y “proceso de” en relación con aspectos de la medicina clínica, o “interactúa con”, inhibe y estimula la interacción de sustancias, etc. Con la finalización de la primera fase del proyecto, fue posible obtener estas relaciones semánticas basadas en documentos indexados en el WHO Global COVID-19 Research Database.

El creciente número de documentos disponibles a través de la WHO – COVID-19 Research Database requiere mecanismos de monitoreo para la identificación temprana o los cambios en las tendencias, la identificación de nuevos campos de interés y la concentración de la investigación y el descubrimiento de conocimientos. Los indicadores infométricos se establecieron con base en la descripción bibliográfica disponible en la base de datos. Consideran información del autor y afiliación, país de afiliación, país de publicación, fecha de publicación, temas de salud y biomédicos, etc. Estos indicadores se enriquecen con otras fuentes de información, procedimientos de minería de textos y relaciones semánticas.

Siguiendo estos indicadores, es posible monitorear e informar sobre la publicación de literatura científica y técnica en función del tiempo. Es importante mantener el marco desarrollado para el monitoreo de indicadores infométricos para comunicar, analizar e investigar la publicación de literatura científica y técnica sobre COVID-19 y SARS-CoV-2.

Actualmente se están realizando actividades para mejorar y ampliar las fuentes de información de esta importante Base de Datos. Además, se pretende dotar de mayor robustez y flexibilidad a la Arquitectura de Información e inteligencia basada en datos, además de intensificar el uso de herramientas de promoción del conocimiento, a través de Inteligencia Artificial y Machine Learning (Análisis Semántico, Servicios Externos para automatizar lenguajes, identificación de modelos y tendencias, entre otras posibilidades). De esta forma, la misma estructura podrá englobar otros temas de investigación, como el Monkeypox (viruela del mono), considerado por la OMS como una emergencia de salud pública.

Materias relacionadas

La base de datos de la OMS sobre COVID-19  recibe el premio Choice de la American Library Association. Boletín BIREME N° 63. Disponible en: https://boletin.bireme.org/2022/01/10/base-de-datos-de-la-oms-sobre-covid-19-recibe-el-premio-choice-de-la-american-library-association/

La contribución de BIREME para combatir la infodemia en tiempos de COVID-19. Boletín BIREME N° 51. Disponible en:  https://boletin.bireme.org/2021/01/06/la-contribucion-de-bireme-para-combatir-la-infodemia-en-tiempos-de-covid-19/

 

[1] La base de datos COVID-19 de la OMS recibe el premio Choice Award de la American Library Association. Boletín BIREME N° 63. Disponible en: https://boletin.bireme.org/2022/01/10/base-de-datos-de-la-oms-sobre-covid-19-recibe-el-premio-choice-de-la-american-library-association/

[2] Preprints de bioRxiv – https://biorxiv.org/ (inglés) e medRxiv – https://medrxiv.org/ (inglés)

[3] Semantic Knowledge Representation. National Institutes of Health. Disponible en (inglés):  https://semrep.nlm.nih.gov/

[4] Kilicoglu H. et al. 2012. SemMedDB. A PubMed-scale repository of biomedical semantic predications. Bioinformatics (23):3158-3160.  https://doi.org/10.1093/bioinformatics/bts591

[5] Unified Medical Language System. National Institutes of Health. Disponible en: https://www.nlm.nih.gov/research/umls/index.html