medigraphic.com
ISSN 2307-2113 (Digital)
Revista Cubana de Información en Ciencias de la Salud (ACIMED)

2021, Número 4

<< Anterior Siguiente >>

Revista Cubana de Información en Ciencias de la Salud (ACIMED) 2021; 32 (4)


Grafos de conocimiento para gestionar información epidemiológica sobre COVID-19

Delgado FT, Stuart CML, Delgado FM

Idioma: Español
Referencias bibliográficas: 29
Paginas: 1-23
Archivo PDF: 519.00 Kb.


RESUMEN

El control de la propagación de las enfermedades infecciosas requiere investigaciones epidemiológicas exhaustivas, lo que ha quedado validado con el desempeño del Ministerio de Salud Pública a lo largo de varias décadas en el combate a numerosas enfermedades como el dengue, el cólera y varios tipos de influenza, entre otras. Sin embargo, la pandemia COVID-19 está poniendo a prueba los más rigurosos protocolos epidemiológicos de Cuba y del mundo por su elevada capacidad de contagio y propagación. Ante este contexto, el presente artículo se propuso emplear los grafos de conocimiento para el apoyo a los estudios epidemiológicos de la COVID-19, haciendo mayor énfasis en los factores de exposición y rastreo de los contactos. Para alcanzar este objetivo se realizó un estudio relacionado con el estado del arte sobre grafos de conocimiento y su empleo en el sector de la salud, particularmente en la lucha contra el nuevo coronavirus SARS-CoV-2. La investigación tuvo como soporte un enfoque metodológico de creación y uso de grafos de conocimiento adaptado al campo de estudio. Los resultados se simulan en el escenario del brote producido a mediados del mes de julio del año 2020 en el municipio de Bauta de la provincia de Artemisa, empleando para esto datos de la realidad, extraídos de la Web, combinados con otros datos simulados.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Delgado-Fernández T. Taxonomía de transformación digital. Rev CubanaTransform Dig. 2020 [12/08/2020];1(1):4-23. Disponible en:https://rctd.uic.cu/rctd/article/view/62

  2. Noy N, Gao Y, Jain A, Narayanan A, Patterson A, Taylor J. Industry-scaleknowledge graphs: lessons and challenges. Queue. 2019;17(2):48-75. DOI:https://doi.org/10.1145/3331166

  3. Paulheim H. Knowledge graph refinement: A survey of approaches andevaluation methods. Sem Web. 2017 [12/08/2020];8(3):489-508. Disponible en:http://www.semantic-web-journal.net/system/files/swj1167.pdf

  4. Dirschl C, Kent J, Schram J, Reul Q. Enabling Digital Business Transformationthrough an enterprise Knowledge Graph. ESWC - Industry_Track; 2020[12/08/2020]. Disponible en: https://preprints.2020.eswcconferences.org/industry_track/paper_277.pdf

  5. Heist N, Hertling S, Ringler D, Paulheim H. Knowledge Graphs on the Web-anOverview. arXiv preprint arXiv:2003.00719; 2020 [12/08/2020]. Disponible en:https://arxiv.org/abs/2003.00719

  6. Ehrlinger L, Wöß W. Towards a Definition of Knowledge Graphs. SEMANTiCS;2016;48:1-4. Disponible en: https://www.semanticscholar.org/paper

  7. Saorín T. Grafos de conocimiento y bases de datos en grafo: conceptosfundamentales a partir de una" obra maestra" del Museo del Prado. Anuario ThinkEPI; 2019.

  8. Hogan A, Blomqvist E, Cochez M, d'Amato C, de Melo G, Gutiérrez C, Gayo JE,Kirrane S, Neumaier S, Polleres A, Navigli R. Knowledge graphs. arXiv Preprint;2020 [12/08/2020]. Disponible en: https://arxiv.org/abs/2003.02320

  9. Lehmann J, Isele R, Jakob M, Jentzsch A, Kontokostas D, Mendes PN, HellmannS, Morsey M, Van Kleef P, Auer S, Bizer C. DBpedia–a large-scale, multilingualknowledge base extracted from Wikipedia. Sem Web; 2015[12/08/2020];6(2):167-95. Disponible en:https://content.iospress.com/articles/semantic-web/sw134

  10. Kondreddi SK, Triantafillou P, Weikum G. Combining information extractionand human computing for crowdsourced knowledge acquisition. IEEE 30thInternational Conference on Data Engineering; 2014 [12/08/2020]. pp. 988-99.Disponible en: https://ieeexplore.ieee.org/abstract/document/6816717/

  11. Grainger T, AlJadda K, Korayem M, Smith A. The Semantic Knowledge Graph:A compact, auto-generated model for real-time traversal and ranking of anyrelationship within a domain. IEEE International Conference on Data Science andAdvanced Analytics (DSAA); 2016.

  12. Michel F, Gandon F, Ah-Kane V, Bobasheva A, Cabrio E, Corby O, Gazzotti R,et al. Covid-on-the-Web: Knowledge graph and services to advance COVID-19research. International Semantic Web Conference; 2020.

  13. Mohamed A, Abuoda G, Ghanem A, Kaoudi Z, Aboulnaga A. RDF Frames:Knowledge Graph Access for Machine Learning Tools. arXiv:2002.03614v1; 2020.

  14. Zou Y, Liu Y. The Implementation Knowledge Graph of Air Crash Data basedon Neo4j. IEEE 4th Information Technology, Networking, Electronic andAutomation Control Conference (ITNEC); 2020.

  15. Tejero A, Rodríguez-Doncel V, Pau I. Knowledge Graphs for InnovationEcosystems. arXiv preprint; 2020 [12/08/2020]. Disponible en:https://arxiv.org/abs/2001.08615

  16. Stuart-Cárdenas ML, Delgado-Fernández T, Delgado-Fernández M, Piedra Y.Datos empresariales enlazados: Revisión sistemática desde una perspectivaorganizacional. ALCANCE; 2020 [12/08/2020];9:23. Disponible en:http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2411-99702020000200153

  17. Galkin M, Auer S, Vidal ME, Scerri S. Enterprise Knowledge Graphs: ASemantic Approach for Knowledge Management in the Next Generation ofEnterprise Information Systems. ICEIS; 2017 [18/04/2017]:88-98. Disponible en:https://www.scitepress.org/Papers/2017/63252/63252.pdf

  18. Bader SR, Grangel-González I, Nanjappa P, Vidal ME, Maleshkova M. AKnowledge Graph for Industry 4.0. European Semantic Web Conference;2020:465-80.

  19. Rotmensch M, Halpern Y, Tlimat A, Horng S, Sontag D. Learning a healthknowledge graph from electronic medical records. Scient Rep. 2017;7(1):5994.DOI: https://doi.org/10.1038/s41598-017-05778-z

  20. Gyrard A, Gaur M, Shekarpour S, Thirunarayan K, Sheth A. Personalizedhealth knowledge graph. Core Scholar Publications; 2018 [acceso: 28/07/2020].Disponible en: https://corescholar.libraries.wright.edu/

  21. Yu T, Li J, Yu Q, Tian Y, Shun X, Xu L, Zhu L, Gao H. Knowledge graph forTCM health preservation: design, construction, and applications. ArtificialIntelligence in Medicine. 2017;77:48-52. DOI:https://doi.org/10.1016/j.artmed.2017.04.001

  22. Domingo-Fernández D, Baksi S, Schultz B, Gadiya Y, Karki R, Raschka T, et al.COVID-19 Knowledge Graph: a computable, multi-modal, cause-and-effectknowledge model of COVID-19 pathophysiology. BioRxiv. 2020. DOI: https://doi.org/10.1101/2020.04.14.040667v1.full-text

  23. Wang Q, Li M, Wang X, Parulian N, Han G, Ma J, et al. COVID-19 LiteratureKnowledge Graph Construction and Drug Repurposing Report Generation. arXivPreprint; 2007 [acceso: 01/07/2020]. Disponible en:https://arxiv.org/abs/2007.00576

  24. Wise C, Ioannidis VN, Calvo MR, Song X, Price G, Kulkarni N, et al. COVID-19Knowledge Graph: Accelerating Information Retrieval and Discovery for ScientificLiterature. arXiv Preprint; 2007 [acceso: 24/07/2020]. Disponible en:https://arxiv.org/abs/2007.12731

  25. Chen C, Ebeid IA, Bu Y, Ding Y. Coronavirus Knowledge Graph: A Case Study.arXiv Preprint; 2007 [acceso: 04/07/2020]. Disponible en:https://arxiv.org/abs/2007.10287

  26. Ilievski F, Garijo D, Chalupsky H, Divvala NT, Yao Y, Rogers C, et al. KGTK: AToolkit for Large Knowledge Graph Manipulation and Analysis. arXiv Preprint;2006 [acceso: 29/05/2020]. Disponible en: https://arxiv.org/abs/2006.00088

  27. Chen WJ, Yang SY, Chang JC, Cheng WC, Lu TP, Wang YN, et al. Developmentof a semi-structured, multifaceted, computer-aided questionnaire for outbreakinvestigation: e-Outbreak Platform. Biomed J. 2020 [acceso: 20/06/2020].Disponible en:https://www.sciencedirect.com/science/article/pii/S2319417020300949

  28. Arruda N, Venceslau AD, da Cruz MM, Vidal VM, Pequeno VM. Publishing andConsuming Semantic Views for Construction of Knowledge Graphs. InICEIS; 2020[acceso: 20/06/2020];1:197-204. Disponible en:https://www.semanticscholar.org/paper/Publishing-and-Consuming-Semantic-Views-for-of-Arruda-Venceslau/3ddf6802b3eb40eac320ff34656ec23985166b40

  29. Claveau V, L’Homme MC. Discovering specific semantic relationships betweennouns and verbs in a specialized French corpus. 3rd International Workshop onComputational Terminology; 2004.




2020     |     www.medigraphic.com