IDEAS home Printed from https://ideas.repec.org/b/zbw/fomiid/1.html
   My bibliography  Save this book

Der Einsatz von grünem Tee und anderen Polyphenolen in der Medizin ‒ eine Big-Data-Analyse der medizinischen Fachliteratur

Editor

Listed:
  • FOM Hochschule für Oekonomie & Management, Institut für IT-Management & Digitalisierung (ifid)

Author

Listed:
  • Bähren, Tobias
  • Braka, Daniel
  • Burchard, Patrick
  • Cyron, Stanley
  • Demary, Marius
  • Dragieva, Martina
  • Eis, Luke
  • Farid, Abdul Tanwir
  • Gomes, Daniel
  • Hacker, Milan
  • Kaiser, Julian
  • Krüger, Robert
  • Luu, Simone
  • Maasjosthusmann, Robin
  • Marks, Alexander
  • Pachocki, Christian
  • Pongratz, Michael
  • Schade, Johannes Christian
  • Urban, Philipp
  • Walter, Annika
  • Winter, Viviane
  • Yesilyurt, Erdal
  • Buchkremer, Rüdiger

Abstract

Um Anwendungsmöglichkeiten, Behandlungsgebiete und Wirkweisen der Inhaltsstoffe von grünem Tee zu erforschen, ist es erforderlich, zunächst einen Überblick über das existierende Fachwissen und bisherige Forschungsansätze zu erlangen. Dieses erweist sich jedoch als schwierig, wenn es zu einem Thema sehr viele Publikationen gibt, wie auch in diesem Beispiel zu grünem Tee. Unter Verwendung von Big-Data Analyse-Methoden und Künstlicher Intelligenz kann daher ein sogenannter "Korpus" mit einer großen Anzahl relevanter Fachartikel erzeugt und analysiert werden. Die darauf aufbauende Analyse und Visualisierung vereinfacht die Exploration der zur Verfügung stehenden Informationen, wie die Erstellung einer Übersicht über die Hauptforschungsgebiete, die Erstellung einer Liste der bedeutenden Autorinnen und Autoren, die Auswertung der relevantesten Fachzeitschriften sowie die wichtigsten Anwendungsmöglichkeiten in Bezug auf Krankheiten und Symptome. In diesem Beitrag präsentiert das vorliegende Paper die Analyse und Visualisierung der Daten und Informationen von ca. 12.000 publizierten wissenschaftlichen Artikeln über grünen Tee aus der medizinischen Fachdatenbank PubMed.

Suggested Citation

  • Bähren, Tobias & Braka, Daniel & Burchard, Patrick & Cyron, Stanley & Demary, Marius & Dragieva, Martina & Eis, Luke & Farid, Abdul Tanwir & Gomes, Daniel & Hacker, Milan & Kaiser, Julian & Krüger, Ro, 2021. "Der Einsatz von grünem Tee und anderen Polyphenolen in der Medizin ‒ eine Big-Data-Analyse der medizinischen Fachliteratur," ifid Schriftenreihe: Beiträge zu IT-Management & Digitalisierung, FOM Hochschule für Oekonomie & Management, ifid Institut für IT-Management & Digitalisierung, volume 1, number 1 edited by FOM Hochschule für Oekonomie & Management, Institut für IT-Management & Digitalisierung (ifid).
    • Handle: RePEc:zbw:fomiid:1
    as

    Download full text from publisher

    File URL: https://www.econstor.eu/bitstream/10419/249996/1/ifid-Schriftenreihe-Bd1.pdf
    Download Restriction: no
    ---><---

    References listed on IDEAS

    as
    1. XueZhong Zhou & Jörg Menche & Albert-László Barabási & Amitabh Sharma, 2014. "Human symptoms–disease network," Nature Communications, Nature, vol. 5(1), pages 1-10, September.
    Full references (including those not matched with items on IDEAS)

    Most related items

    These are the items that most often cite the same works as this one and are cited by the same works as this one.
    1. Shin, Hyunjin & Woo, Hyun Goo & Sohn, Kyung-Ah & Lee, Sungjoo, 2023. "Comparing research trends with patenting activities in the biomedical sector: The case of dementia," Technological Forecasting and Social Change, Elsevier, vol. 195(C).
    2. Jiang, Xiong-Fei & Xiong, Long & Bai, Ling & Lin, Jie & Zhang, Jing-Feng & Yan, Kun & Zhu, Jia-Zhen & Zheng, Bo & Zheng, Jian-Jun, 2022. "Structure and dynamics of human complication-disease network," Chaos, Solitons & Fractals, Elsevier, vol. 164(C).
    3. Nastaran Allahyari & Amir Kargaran & Ali Hosseiny & G R Jafari, 2022. "The structure balance of gene-gene networks beyond pairwise interactions," PLOS ONE, Public Library of Science, vol. 17(3), pages 1-18, March.
    4. Pisanu Buphamalai & Tomislav Kokotovic & Vanja Nagy & Jörg Menche, 2021. "Network analysis reveals rare disease signatures across multiple levels of biological organization," Nature Communications, Nature, vol. 12(1), pages 1-15, December.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:zbw:fomiid:1. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    If CitEc recognized a bibliographic reference but did not link an item in RePEc to it, you can help with this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: ZBW - Leibniz Information Centre for Economics (email available below). General contact details of provider: https://edirc.repec.org/data/fommmde.html .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.