텍스트마이닝을 활용한 다빈도 한약 처방 5종의 연구 동향 분석 : PubMed 수록 논문 대상
An Analysis of the Research Trends of Five Traditional Korean Medicine Prescriptions Using Text Mining: Leveraging PubMed Articles
1
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
임상 치료의 중심이 되는 한약 처방에 관한 연구 동향을 다양한 관점에서 분석하고 고찰하기 위해서, 본 연구에서는 다빈도 한약 처방에 관한 논문의 발간 연도와 연구 형태를 분석하였다. 그리고 논문 초록에서 관련 질병을 텍스트 마이닝하여 다빈도 한약 처방 5종의 연구 동향을 파악하고 전통적 한의학적 적응증과 현대적 생물의학 연구 방향에 대해서 고찰하였다. PubMed에서 검색된 논문수 기준으로 상위 5개 한약 처방인 소시호탕, 황련해독탕, 보중익기탕, 소청룡탕, 가미소요산을 분석 대상으로 선정하였다. 연도별 분석에 의하면, 5종의 한약 처방에 관한 논문은 1980년 초부터 시작해서 지속해서 증가하는 것으로 드러났다. 그리고 연구 형태별 분석 결과에 의하면 가미소요산을 제외한 나머지 4종의 한약 처방에 관한 연구에서는 동물 실험이 주류를 이루는 것으로 나타났다. 또한 논문 초록당 평균적으로 3~4개의 질병명이 존재했으며, 태깅된 질병을 MeSH Tree의 Diseases 카테고리에 매핑하고 분석하였다. 다빈도 5종 한약 처방에 대한 전통 의학적 치료 범주와 현대 과학적 질병 연구의 관계 분석을 통해서, 두 도메인 사이의 차이에도 불구하고 한약 처방이라는 소재를 적절한 분야에서 연구하려 했음을 확인할 수 있었다. 또한 한의학적 변증의 개념은 범주화하기 어렵지만 이러한 특성 때문에 한약 처방이 다양한 질병 연구에 응용되고 있는 것으로 나타났다.
Abstract
In order to analyze and examine research trends on traditional Korean medicine (TKM) prescriptions, we analyzed the publication year and study type of the collected papers on TKM prescriptions. In addition, we carried out the text mining on the diseases related to the TKM prescriptions from abstract in PubMed. Then we identified the research trends of top five TKM prescriptions and discussed the TKM indications and the direction of modern biomedical researches. On the basis of the number of papers queried in PubMed, the top five TKM prescriptions, sosiho-tang, hwanglyeonhaedok-tang, bojungikgi-tang, socheongryong-tang, and gamisoyo-san were selected for successive analysis. According to the annual analysis, the number of papers on the identified prescription started from the beginning of 1980 and continued to increase. According to the analysis results by study type, in-vivo studies were found to be the mainstream in studies on the prescription of the 4 TKM prescriptions except gamisoyo-san. In addition, on average, there were three to four disease names per abstract, and then we mapped recognized diseases to the diseases category of the MeSH Tree. Through the comparative analysis between traditional medical treatment concepts and modern scientific disease categories, it was confirmed that they tried to study the material of TKM prescriptions in an appropriate biomedical fields. Although the concept of TKM diagnosis and treatment is difficult to categorize, due to these characteristics, TKM prescriptions are being applied to various disease studies.
참고문헌 (12)
- 김상현, "한약 치료와 침구 치료에 대한 비교 연구 - 효능(혈성)⋅치법 용어를 중심으로 -", 대한한의학회지, 37(3), pp.87~96 (2016), 대한한의학회
- Y. Feng, "Knowledge discovery in traditional Chinese medicine: state of the art and perspectives", Artificial Intelligence in Medicine, 38(3), pp.219~236 (2006)
- "PubMed"[URL]
- 유리나, "텍스트마이닝 기법을 이용한 국내 농식품유통 연구동향 분석", 한국산학기술학회논문지, 18(10), pp.215~226 (2017), 한국산학기술학회[DOI]
- 박혜림, "한의학 융합 연구와 관련된 국내외 연구 동향 고찰", 동의생리병리학회지, 29(4), pp.313~321 (2015), 한의병리학회[DOI]
- 최윤경, "발효한약의 최근 연구 동향 - 안전성과 유효성 기반", 생명과학회지, 22(12), pp.1729~1739 (2012), 한국생명과학회[DOI]
- 김아람, "텍스트마이닝을 활용한 국외 노인작업치료의 연구동향 분석", 재활치료과학, 10(1), pp.7~17 (2021), 대한신경계작업치료학회[DOI]
- Publication committee, "2020 Yearbook of Traditional Korean Medicine", pp.420~ (2020)
- "OASIS"[URL]
- "MeSH"[URL]
- R. Leman, "DNorm: disease name normalization with pairwise learning to rank", Bioinformatics, 29(22), pp.2909~2917 (2013)
- A. P. Davis, "MEDIC: a practical disease vocabulary used at the comparative toxicogenomics database", Database, 2012 (2012)