起因：在工作中需要閱讀文獻，其中的一些基本信息，例如文章作者，發表刊物，影響因子等，自己懶，不想一一整理
基本利用思路：利用R語言中的RISmed包檢索並進行返回需要的基本信息，如第一作者，責任作者，作者單位，發表期刊，這些都是RISmed包中既有的函數可以得到的，然後利用下載的期刊影響因子列表提取IF，最後把上述信息輸出成爲excel表格。
上述功能很多軟件都能做，我想以上面爲基礎做下面的事：
1. 篩選最相關的研究：pubmed的結果大家都知道是比較全面的，但是有時候冗餘比較多，如何進一步分析自動篩選最相關的研究是一個問題。
2. 進一步篩選引用了某一論文的論文。
3. 通過文本分析，得到相關研究的發展趨勢是另外一個問題。這兩個問題涉及到各個專業的特性，不是僅僅用一下文本分析，詞頻等等就可以的。我想可能與專業論文撰寫習慣，專業詞彙表的建立，專業詞彙的權重等等諸多問題有關。之後再研究。
現在的腳本很簡單，但是好歹現在解決了第一個問題：我拿到文獻了！！（撒花，撒花……小白做成了一點小事後莫名的開心）
腳本分享一下。我不是搞軟件的，也不是專門做情報分析的，純粹個人惡趣味，非要把其他軟件能做的事情用R做一下。因爲其實很簡單，學習交流用。
##說明：採用RISmed包，檢索pubmed，關鍵詞可根據pubmed檢索技巧填寫。
##（cont）可設置檢索時間範圍，可輸出2018影響因子，主題詞，等信息
##（cont）與在pubmed上檢索比對，最新的幾篇文獻檢索不到，其他的基本類似
##（cont）可輸出每次應用的log
library(tidyverse)
library(RISmed)
library(openxlsx)
library(lubridate)
library(readxl)
#searching
#example for key words, myeloma[ti] jones[au]
#ab, ad:address, ta:journal name
#logic: AND OR NOT
purpose <- "training"
key_words <- c("pinkeye")
date_range_min = 2015
latest <- year(ymd(Sys.Date()))
date_range_max = latest
res <- EUtilsSummary(query = key_words, type = "esearch", db = "pubmed", datetype = "ppdt",
mindate = date_range_min, maxdate = date_range_max, retmax = 500)
query_word <- QueryTranslation(res)
query_word
number <- QueryCount(res)
number
#retreival journal name####
journal <- ISOAbbreviation(EUtilsGet(res))
full_journal <- tolower(Title(EUtilsGet(res)))
#impact factor####
if2018 <- read_excel("retrieval papers from ncbi/2018年最新影響因子.xlsx",
col_types = c("numeric", "text", "text",
"numeric", "numeric"))
if2018$Total_Cites <- as.numeric(gsub(",","",if2018$Total_Cites))
if2018$Full_Journal_Title <- tolower(if2018$Full_Journal_Title)
if2018_final <- left_join(data.frame(full_journal), if2018, by = c("full_journal" = "Full_Journal_Title"))
#author####
authors <- Author(EUtilsGet(res))
author_1st <- c()
l <- length(authors)
for (i in 1:l) {
names <- authors[[i]][authors[[i]]$order == 1,]
name <- paste(names$LastName, names$Initials, sep = ",")
author_1st <- c(author_1st, name)
}
author_last <- c()
for (i in 1:l) {
total_author <- nrow(authors[[i]])
names <- authors[[i]][authors[[i]]$order == total_author,]
name <- paste(names$LastName, names$Initials, sep = ",")
author_last <- c(author_last, name)
}
#titles####
titles <- ArticleTitle(EUtilsGet(res))
#affiliations####
affiliations <- Affiliation(EUtilsGet(res))
affiliation_1st <- c()
for (i in 1:l) {
aff <- affiliations[[i]][1]
affiliation_1st <- c(affiliation_1st, aff)
}
#pub time####
year_pub <- YearPubmed(EUtilsGet(res))
#citation times####
cited_num <- Cited(EUtilsGet(res))
#article ID####
article_id <- ArticleId(EUtilsGet(res))
#mesh####
meshes <- Mesh(EUtilsGet(res))
mesh <- c()
for (i in 1:l) {
if (is.na(meshes[[i]])) {
mesh2 <- NA
mesh <- c(mesh, mesh2)
}
else {
mesh1 <- meshes[[i]]
n <- nrow(mesh1)
mesh2 <- mesh1$Heading[1]
for (j in 2:n) {
mesh2 <- paste(mesh2, mesh1$Heading[j], sep = ", ")
}
mesh <- c(mesh, mesh2)
}
}
#combine all####
all_output <- data.frame(journal, year_pub, IF = if2018_final$Journal_Impact_Factor,author_1st, author_last, cited_num,
affiliation_1st, titles, mesh, article_id)
all_output %>% View()
path <- paste(key_words, ".xlsx")
write.xlsx(all_output, path)
#Log file####
Sys.Date()
purpose
key_words
query_word
number
log_exist <- read_excel("log for RISmed search.xlsx")
log_exist$date <- as.Date(log_exist$date)
log_present <- data.frame(date = Sys.Date(), purpose, key_words, query_word, number)
log_present <- bind_rows(log_exist, log_present)
write.xlsx(log_present, "log for RISmed search.xlsx", overwrite = T)