Análisis de redes sociales de la red de conocimiento en salud pública del Observatorio Nacional de Salud de Colombia: un análisis de documentos

Abstract

Introducción: Los análisis de redes sociales (ARS) son útiles para identificar la proximidad entre actores y el grado de conocimiento entre ellos. El objetivo de este estudio fue realizar un ARS de la red de conocimiento en salud pública (RCSP) del Observatorio Nacional de Salud. Materiales y métodos: Se recolectaron 78 documentos técnicos de los actores de la red durante el periodo 2015-2019, los cuales fueron analizados empleando técnicas de minería de texto mediante el lenguaje de programación R, a partir de redes dirigidas y analizando indicadores de densidad, diámetro, distancia, centralidad de grado y centralidad de grado de entrada (CGE). Resultados: El análisis de interacciones indicó que los actores que conformaban la RCSP mostraron mayor interés en la evaluación de políticas públicas (82 nodos) y enfermedades no transmisibles (79 nodos). En estas categorías se presentaron densidades bajas, indicando que hay una baja conectividad entre actores. Las CGE de la Organización Mundial de la Salud (OMS) y la Organización Panamericana de la Salud (OPS) fueron superiores a los actores nacionales. Conclusiones: el ARS a partir de la minería de texto de producciones documentales, permitió identificar interacciones entre los actores en todas las categorías analizadas, mostrando mayor interacción en cuanto a evaluación e implementación de política y dimensiones del Plan Decenal de Salud Pública (PDSP) asociadas a una alta mortalidad.

Social Network and Text Mining Analysis of Publications Related to Remote Sensing and R Programming

“…Beside actively studied collaborative networks (Santirojanakul, 2018), e.g. study of public health knowledge networks (Castrillón et al, 2022) (Fu et al, 2018), livestock movements (Cabezas et al, 2021) and food security (Xie et al, 2021) in agriculture or education networks (Suraj & Roshni, 2016) can be considered important topics. The wellknown SNA methods are often complemented by data mining methods.…”