Contenu

Contexte

En ces temps incertains, vous êtes engagé par l' Organisation mondiale de la santé (OMS) afin de récolter des informations à propos de la Covid-19. En tant qu'analyste, vous décidez de vous pencher sur les données bibliographiques puisque des centaines d'articles ont été écrits à ce sujet depuis le début de la pandémie.

Productivité des auteurs

Vous souhaitez maintenant également savoir quels auteurs publient le plus au sujet de la Covid-19.

Tâche 1 : Téléchargeons à nouveau les données dans une variable appelée mydata en effectuant la ligne de code ci-dessous.

mydata <- 

mydata <- EpiBib_data

Tâche 2 : Ensuite, il faut aggréger les données par auteur. Additionnez le nombre de lignes en fonction de la colonne AU (auteurs) à l'aide de la fonction count() du package dplyr. Vous pouvez toujours afficher le résultat en appelant simplement mydata_AU.

mydata <-
mydata_AU <- dplyr::count(mydata, ___)

mydata <- EpiBib_data
mydata_AU <- dplyr::count(mydata, AU)

Tâche 3 : Maintenant, vous voulez arranger les données (colonne n) en ordre décroissant avec la fonction arrange() et desc().

mydata <-
mydata_AU <- dplyr::count(mydata, ___)
mydata_AU <- dplyr::arrange(mydata_AU, desc(___))

mydata <- EpiBib_data
mydata_AU <- dplyr::count(mydata, AU)
mydata_AU <- dplyr::arrange(mydata_AU, desc(n))

Tâche 4 : Finalemment, il serait intéressant de visualiser ce résultat dans un graphique en barre. Les données sont fixées par ordre décroissant pour les afficher ainsi dans le graphique (reorder(AU, n)). Vous affichez le Top 9 des auteurs les plus productifs. Dans ce cas, la première ligne est laissé de côté (mydata_AU[2:10,] = seules les lignes de 2 à 10 vont s'afficher), étant donné qu'il s'agit de données manquantes. Sur l'axe des abscisses vous affichez le nombre d'article (n) et sur l'axe des ordonnées les pays (AU). Vous utilisez l'option fill = pour afficher une couleur différente pour chaque pays (AU).

mydata <-
mydata_AU <- dplyr::count(mydata, ___)
mydata_AU <- dplyr::arrange(mydata_AU, desc(___))

ggplot(data = mydata_AU[2:10,], aes(x = ___, y = reorder(AU, n), fill = ___)) +
  geom_col() + 
  xlab("Nombre d'articles") + ylab("Pays") + 
  scale_fill_uchicago() +
  theme_minimal() + 
  theme(legend.position = "none")

mydata <- EpiBib_data
mydata_AU <- dplyr::count(mydata, AU)
mydata_AU <- dplyr::arrange(mydata_AU, desc(n))

ggplot(data = mydata_AU[2:10,], aes(x = n, y = reorder(AU, n), fill = AU)) +
  geom_col() + 
  xlab("Nombre d'articles") + ylab("Auteurs") + 
  scale_fill_uchicago() +
  theme_minimal() + 
  theme(legend.position = "none")

Productivité des pays

Tâche 1 : Vous voulez également savoir quel pays publie le plus au sujet de la Covid-19. Pour cela, il faut en premier lieu aggréger les données par pays. La première étape est d'additionner le nombre de lignes en fonction de la colonne AU_CO (pays d'origine de l'auteur) à l'aide de la fonction count() du package dplyr. Vous pouvez ensuite arranger les données (colonne n) en ordre décroissant avec la fonction arrange() et desc(). En appelant mydata_AUCO, vous affichez le résultat généré.

mydata <-
mydata_AUCO <- dplyr::count(mydata, ___)
mydata_AUCO <- dplyr::arrange(___, desc(___))
mydata_AUCO

mydata <- EpiBib_data
mydata_AUCO <- dplyr::count(mydata, AU_CO)
mydata_AUCO <- dplyr::arrange(mydata_AUCO, desc(n))
mydata_AUCO

Tâche 2 : Vous pouvez à présent visualiser ce résultat dans un graphique à barres. Les données sont fixées par ordre décroissant pour les afficher ainsi dans le graphique. Vous affichez le Top 9 des pays les plus productifs. Sur l'axe des abscisses vous affichez le nombre d'article (n) et sur l'axe des ordonnées les pays (AU_CO). Vous utilisez l'option fill = pour afficher une couleur différente pour chaque pays (AU_CO).

mydata <-
mydata_AUCO <- dplyr::count(mydata, ___)
mydata_AUCO <- dplyr::arrange(___, desc(___))
mydata_AUCO

ggplot(data = mydata_AUCO[1:9,], aes(x = ___, y = reorder(AU_CO, n), fill = ___)) +
  geom_col() + 
  xlab("Nombre d'articles") + ylab("Pays") + 
  scale_fill_uchicago() +
  theme_minimal() + 
  theme(legend.position = "none")

mydata <- EpiBib_data
mydata_AUCO <- dplyr::count(mydata, AU_CO)
mydata_AUCO <- dplyr::arrange(mydata_AUCO, desc(n))
mydata_AUCO

ggplot(data = mydata_AUCO[1:9,], aes(x = n, y = reorder(AU_CO, n), fill = AU_CO)) +
  geom_col() + 
  xlab("Nombre d'articles") + ylab("Auteurs") + 
  scale_fill_uchicago() +
  theme_minimal() + 
  theme(legend.position = "none")

Vous pouvez également afficher ces mêmes données sous formes de carte. Cela dit, un nettoyage plus approfondie des données est nécessaire. Pour construire une carte, vous pouvez appeler les données offertes par le package ggplot2 qui met à disposition toutes les longitudes et latitudes nécessaires pour tracer chaque pays. Seulement, la colonne region de world contenant le nom des pays n'est pas en majuscule comme dans notre tableau de données mydata_AUCO. Il faut donc ajuster cela en utilisant la fonction str_to_title() du package stringr. Ensuite, certains noms de pays ne sont pas écrits de la même façon dans ces deux tableaux de données. Pour les modifier, vous pouvez utiliser la fonction gsub(). À titre d'exemple, nous adaptons 3 noms du tableau de données mydata_AUCO à ceux des données de la carte world. Il est nécessaire de passer par cette étape pour pouvoir assembler les données de ces deux tableaux ensemble. Une fois les deux tableaux assemblés grâce à la fonction left_join(), il est possible de réaliser le graphique.

Tâche 3 : Roulez le code.

mydata <- EpiBib_data
mydata_AUCO <- dplyr::count(mydata, AU_CO)
mydata_AUCO <- dplyr::arrange(mydata_AUCO, desc(n))

world <- ggplot2::map_data("world")

mydata_AUCO$AU_CO <- stringr::str_to_title(mydata_AUCO$AU_CO)

mydata_AUCO$AU_CO <- gsub("United States", "USA", mydata_AUCO$AU_CO)
mydata_AUCO$AU_CO <- gsub("United Kingdom", "UK", mydata_AUCO$AU_CO)
mydata_AUCO$AU_CO <- gsub("Russia (Federation)", "Russia", mydata_AUCO$AU_CO)

world <- left_join(world, mydata_AUCO, by = c("region" = "AU_CO"))

ggplot(data = world, aes(x = long, y = lat, group = group, fill = n)) + 
  theme_void() +
  theme(legend.position = "right") +
  geom_polygon(color = "white", size = 0.5) +
  scale_fill_continuous(high = "dodgerblue4", low = "dodgerblue1")

Collaboration des auteurs

La figure suivante est une illustration des réseaux de collaboration d'auteurs. Bien qu'il s'agisse d'une information à un niveau très élevé, les décideurs politiques ou les agents de santé publique, par exemple, pourraient utiliser ces techniques pour trouver des réseaux plus granulaires, soit juste dans les références du fichier csv, soit en les croisant avec d'autres bases de données. On pourrait même imaginer un croisement avec des données non structurées à des fins spécifiques.

Collaboration des pays

Vous pouvez également utiliser des techniques puissantes telles que la théorie des réseaux sociaux pour trouver des groupes de sujets potentiels, des groupes de chercheurs et des groupes de collaborations nationales. La figure ci-dessous est un exemple de ce dernier. Les États-Unis et la Chine produisent l'essentiel de la recherche sur les coronavirus.

Acknowledgments

To cite this course: