MeSH Term & Author - Meine Suche nach Optical Illusions in 2000

In Fenstertitel und Überschrift finden sich die bibliographischen Felder, die den Benutzer interessierten, sowie sein Kommentar. Diese Informationen gab er in Mevas Konsultationsformular ein. Hier wollte der Benutzer Schlagworte (MeSH terms) und Autoren von Meva analysieren lassen. Da er zwei bibliographische Felder auswählte, stellt Meva auch Beziehungen zwischen beiden dar.

Dies sind Systemmeldungen: Warnungen, Empfehlungen zur Verbesserung der Suchstrategie, Links zu häufigen Fragen (FAQ) oder Hinweise zu erfolgten Datenkonversionen. Bitte beachten Sie in diesem Beispiel die Links zur FAQ, insbesondere für Probleme beim Speichern, fehlenden Diagrammfarben im Ausdruck oder für die Möglichkeit, die Schriftgröße des Ergebnisses zu ändern.

Die Tabelle listet die Parameter, die der Benutzer in Mevas Formular angab:

Top: Die acht häufigsten Felder sind in den Diagrammen darzustellen.

Filter 1: Durch die Angabe eines Sternes im Feld-1-Filter (hier: Schlagworte) werden nur Hauptschlagworte analysiert. Neben- und generische Schlagworte wie »Human«, »Animal« etc. bleiben somit von der Analyse ausgeschlossen.

Filter 2: Leer. Da Autoren als Feld 2 ausgewählt wurden, besteht die Möglichkeit eines autorspezifischen Filters, der hier vom Benutzer auf dem Standardwert belassen wurde.

Min. Häufigkeit 1: Ein Feld-1-Wert muß min. 6mal auftreten, um analysiert zu werden.

Min. Häufigkeit 2: 1 (Standard).

Details: Die Detailtabelle soll alphabetisch aufsteigend sortiert werden (Standard).

Linkrestriktor: Hier hat der Benutzer den Suchausdruck aus PubMed verwendet.

MeSH Codes: Nein (Standard). Es werden keine zusätzlichen Codes ausgegeben.

MeSH Tree: Ein Schlagwortbaum soll bis zur Tiefe 10 ausgedruckt werden, wobei bevorzugt Teilbaum F (Psychiatrie and Psychologie) mit den gefundenen MeSH-Codes gewichtet werden soll. Hinweis: Die Teilbaumwahl ändert nicht die Darstellung. Es werden immer alle möglichen Teilbäume angezeigt.

Neben den Parametern werden Datum und Uhrzeit der Analyse sowie interne Kontrollwerte (Maxima) zur Lastüberwachung von Meva angezeigt. In: 202/5120 KB: Meva hat 202 von erlaubten 5.120 KB vom Benutzer erhalten, Out: 383/15000 Tags: Meva druckt (ca.) 383 von 15.000 erlaubten Feldern in der Detailsektion aus, TopVal: 48/1000: Die größte erlaubte Feldhäufigkeit in Kontingenztafeln beträgt 1.000 und die größte gefundene im Resultat 48. Die Datenmaxima treffen nur für die HTML-, nicht für die Textausgabe zu.

Die Bilanztabelle veranschaulicht, wie Meva die ausgewählten bibliographischen Felder¹ nacheinander verarbeitet. Hier enthielt PubMeds Resultat 108 Artikel mit 1.010 Schlagworten (MeSH Terms²) und 269 Autoren (Authors) neben weiteren bibliographischen Feldern.

Betrachten wir nun exemplarisch die Weiterverarbeitung der Schlagworte:

Von den 1.010 Schlagworten passierten nur 344 den Filter: um nur Hauptschlagworte³ zu finden, hatte der Benutzer im Meva-Formular einen Stern (*) festgelegt. Da manche Schlagworte mehrfach auftraten, ist die Zahl der distinkten Schlagworte mit angegeben (116).

Trat ein Schlagwort weniger als 6mal auf, wurde es verworfen. Den Wert von 6 hatte der Benutzer als minimale Häufigkeit für Schlagworte ebf. vorher im Meva-Formular festgelegt.

Die 11 verbleibenden Schlagworte wurden in die Datenbasis von Meva übernommen. Somit stellt die Datenbasis eine benutzerdefinierte Teilmenge einer PubMed-Datei dar, die nur häufige (Angabe einer minimalen Häufigkeit) oder speziell interessierende Felder (Angabe eines Filters) enthält. Ohne diese Einschränkungen entspräche die Datenbasis der PubMed-Datei. Alle Auswertungen von Meva operieren nur auf dieser Datenbasis.

Die nachfolgende Abbildung illustriert nochmals die Anwendung von Filtern und minimalen Häufigkeiten. Aus didaktischen Gründen wurden kleinere Fallzahlen benutzt:

¹ Alle bibliographischen Angaben in einem Artikel wie z.B. Autor, Titel, Schlagworte, Publikations­datum etc. sind als Felder in einer PubMed-Datei enthalten. Meva kann diese Felder auslesen und ihre Beziehungen darstellen.

² MeSH Terms sind Schlagworte in der Sprache der amerikanischen Nationalbibliothek für Medizin.

³ Hauptschlagworte sind Schlagworte, die den wesentlichen Inhalt des Artikels beschreiben. In einer PubMed-Datei sind sie durch einen führenden Stern gekennzeichnet.

Die erste Häufigkeitstabelle zeigt Ihnen die häufigsten Werte des ausgewählten bibliographischen ersten Feldtyps der Datenbasis. Da der Benutzer Hauptschlagworte (MeSH Terms) als Feld 1 im Meva-Formular und einen Top-Wert von 8 auswählte, zeigt Meva die 8 häufigsten Hauptschlagwörter der Datenbasis an. Optical Illusions z.B. war mit 48 Malen das am häufigsten vertretene Hauptschlagwort in der PubMed-Datei des Benutzers, was nicht verwundert, da der Benutzer nach diesem Schlagwort in PubMed gesucht hatte. Interessanter sind schon die nachfolgenden Schlagworte, deren häufiges Auftreten nahelegt, daß optische Täuschungen physiologisch auf dem Boden von Bewegungs-, Muster- und Formwahrnehmung entstehen.

Da der Benutzer im Meva-Formular einen Linkrestriktor angegeben hatte, aktiviert ein Klick auf einen Feldwert eine weitere Suche in PubMed nach dem Feldinhalt und dem Linkrestriktor. Um z.B. den Zusammenhang zwischen optischen Täuschungen und Bewegungswahrnehmung näher unter die Lupe zu nehmen, reicht ein Klick auf das Schlagwort Motion Perception in der Tabelle, um eine Suche in PubMed nach Motion Perception[mh] Optical Illusions[mh] 2000[dp] anstoßen. Die Begriffe werden durch PubMed in dieser Notation automatisch UND-verknüpft. Die in eckigen Klammern gesetzten Kürzel bezeichnen die bibliographischen Feldtypen in PubMed. Somit wird statt einer unqualifizierten Freitextsuche eine feldbezogene Suche durch PubMed ausgeführt, was zu spezifischeren Suchergebnissen führt - siehe dazu auch den Artikel von Coletti MH und Bleich HL aus dem Jahr 2001: Medical Subject Headings Used to Search the Biomedical Literature.

Wozu der Linkrestriktor? Erstens kann der Benutzer durch seinen Einsatz sicherstellen, daß die erneute Suche (Motion Perception[mh] Optical Illusions[mh] 2000[dp]) PubMeds ursprüngliche Lösungsmenge (Optical Illusions[mh] 2000[dp]) nicht überschreitet. Zweitens verhindert der Linkrestriktor, daß der Benutzer zu allgemein gehaltene Suchanfragen an PubMed stellt. Ein einfacher Klick auf Motion Perception in Mevas Häufigkeitstabelle würde sonst PubMed nur nach Motion Perception[mh] suchen lassen - ein Schlagwort, das in Zehntausenden von Artikeln zu finden ist!

Weitere Informationen zur Verwendung des Linkrestriktors finden Sie in Mevas Formularhilfe.

Die zweite Häufigkeitstabelle zeigt analog zur ersten die häufigsten Werte des ausgewählten zweiten bibliographischen Feldtyps in der Datenbasis. Die Tabelle wird nur aufgebaut, wenn der Benutzer ein zweites bibliographisches Feld zur Auswertung im Meva-Formular ausgewählt hat. Da der Benutzer Autoren (Author) als Feld 2 im Meva-Formular und einen Top-Wert von 8 auswählte, zeigt Meva die 8 meistpublizierenden Autoren der Datenbasis an. Wie man sieht, ist Cavanagh der meistpublizierende Autor in 2000 auf dem Gebiet der optischen Täuschungen.

Falls Sie das Lesen langer Autorenlisten für jeden Artikel ermüdet oder Sie nur die federführenden Autoren interessieren, können Sie Mevas Analyse auch auf Erstautoren oder Letztautoren beschränken, indem Sie den entsprechenden Autorenfilter im Konsiliarformular setzen!

Da der Benutzer im Meva-Formular einen Linkrestriktor angegeben hatte, aktiviert ein Klick auf einen Feldwert eine weitere Suche in PubMed nach dem Feldinhalt und dem Linkrestriktor: ein Klick auf den Autor Cavanagh in der Tabelle würde z.B. eine Suche in PubMed nach Cavanagh P[au] Optical Illusions[mh] 2000[dp] anstoßen und damit das ursprüngliche Suchresultat auf die Arbeiten dieses Autors beschränken.

Die erste Kontingenztafel verdeutlicht, wie oft die häufigsten Feld-1-Werte (hier: Schlagworte) gemeinsam in einem Artikel auftraten. Die Tabelle wird nur angezeigt, wenn das vom Benutzer im Meva-Formular ausgewählte Feld 1 in einem Artikel mehrfach auftauchen kann. Dies trifft u.a. zu für MeSH Term, Author, Publication Type oder EC/RN Number. Durch das mehrfache Auftreten können Zeilen- o. Spaltensummen eines Feldes höher sein als seine Gesamthäufigkeit, die in der Häufigkeitsverteilung oder der Detailtabelle nachzulesen ist. Häufige Werte sind entsprechend dunkler gehalten.

Wie Sie sehen, enthielt das PubMed-Suchresultat des Benutzers 16 Artikel, in denen Optical Illusions mit Pattern Recognition, Visual zusammen vorkam. Die Anzahl des gemeinsamen Auftretens läßt oft auf den Grad des Zusammenhangs rückschließen. In diesen Beispiel legt die häufige Vergesellschaftung von optischen Täuschungen mit der Musterkennung wie schon oben bei der Häufigkeitstabelle den Gedanken nahe, daß optische Täuschungen u.a. auf dem Boden der Mustererkennung entstehen können.

Die Kontingenztabelle kann für viele weitere Möglichkeiten genutzt werden: Sucht man in PubMed z.B. nach Krankheiten statt nach optischen Illusionen, lassen sich über Mevas Kontingenztabellen so wichtige assoziierte diagnostische oder therapeutische Verfahren finden.

Ein Klick auf einen Feldwert aktiviert eine weitere Suche in PubMed nach dem Feldwert und dem Linkrestriktor: ein Klick auf das gemeinsame Feld von Pattern Recognition, Visual und Orientation in der Tabelle würde eine Suche in PubMed nach Pattern Recognition, Visual[mh] Orientation[mh] Optical Illusions[mh] 2000[dp] anstoßen und damit den ursprünglichen Suchradius auf diesen Zusammenhang beschränken. Hat der Benutzer keinen Linkrestriktor angegeben, wird von Meva dennoch ein Link produziert, da die UND-Verknüpfung der beiden über die Kontingenztabelle verknüpften Felder spezifisch genug ist.

Die zweite Kontingenztafel zeigt, wie oft die häufigsten Feld-1-Werte mit den häufigsten Feld-2-Werten gemeinsam in einem Artikel auftraten, hier also Schlagworte mit Autoren. Die Tabelle wird nur aufgebaut, wenn der Benutzer ein zweites bibliographisches Feld zur Auswertung im Meva-Formular ausgewählt hat. Dabei können Zeilen- o. Spaltensummen eines Feldes höher sein als seine Gesamthäufigkeit, die in Häufigkeitsverteilung oder Detailtabelle nachzulesen ist. Häufige Werte sind entprechend dunkler gehalten.

Ein Klick auf einen Feldwert aktiviert eine weitere Suche in PubMed nach Feldwert und Linkrestriktor: ein Klick auf das gemeinsame Feld von Cavanagh P und Motion Perception/*physiology in der Tabelle würde eine Suche in PubMed nach Cavanagh P[au] Motion Perception/*physiology[mh] Optical Illusions[mh] 2000[dp] anstoßen und damit die ursprüngliche Suche auf diesen Kontext beschränken. Hat der Benutzer keinen Linkrestriktor angegeben, wird von Meva dennoch ein Link angelegt, da die UND-Verknüpfung der beiden über die Kontingenztabelle verknüpften Felder spezifisch genug ist.

Über die Anzahl des gemeinsamen Auftretens lassen sich oft wichtige Rückschlüsse auf Beziehungen ableiten: Kontingenzen zwischen den Autoren und Schlagworten z.B. lassen so oft Schwerpunkte eines Autors und somit ein Autorenprofil erkennen. Die Tabelle verrät z.B., daß Cavanagh P 4 Artikel über die Physiologie der Bewegungswahrnehmung (Motion Perception/*physiology) geschrieben hat.

Es mag erstaunen, daß Cavanaghs Artikel nicht Optical Illusions als häufigstes Schlagwort enthalten: Schließlich hatte der Benutzer danach in PubMed gesucht, jeder Artikel in der PubMed-Datei muß mit diesem Schlagwort indiziert sein, also auch Cavanaghs 5 Artikel (s. Häufigkeitstabelle der Autoren).

Die Auflösung ist einfach: Bei der Suche nach Optical Illusions[mh] findet PubMed auch Artikel, die von den Bibliothekaren der NLM mit *Optical Illusions, Optical Illusions/*physiology, Optical Illusions/physiology etc. indiziert wurden. Meva jedoch verrechnet jedes dieser Schlagworte als eigenes Schlagwort. (Gäbe man nicht einen Stern, sondern Optical Illusions als Filter für das Feld 1 im Meva-Formular an, würde man sehen, daß 1 Artikel von Cavanagh mit *Optical Illusions, 3 seiner Artikel mit Optical Illusions/physiology und 1 Artikel von ihm mit Optical Illusions verschlagwortet wurden.) Einige dieser Schlagwörter fielen durch die benutzerdefinierten Filter, so daß sie nicht mehr im Meva-Resultat erschienen.

Fazit: Als Benutzer muß man bei der Interpretation von Mevas Tabellen der Möglichkeit gewahr sein, daß durch den Einsatz von Filtern und minimalen Häufigkeiten die Tabellen aus einer Datenbasis schöpfen, die ggf. nur eine Teilmenge des PubMed-Suchresultates darstellt.

Die Detailtabelle listet noch einmal in linearer Form alle vom Benutzer ausgewählten bibliographischen Felder der Datenbasis von Meva mit ihren Häufigkeiten und der Nummer (PMID) des Artikels, in dem sie gefunden wurden, auf. In diesem Beispiel wurde die Detailtabelle gekürzt, um die Hilfedatei klein zu halten. Sortierreihenfolge und Sortiertyp der Tabelle hat der Benutzer in Mevas Formular festgelegt. Dabei bezeichnet i einen fortlaufenden Index und n die Anzahl der Feld-1-Werte (hier: Schlagworte) in der PubMed-Datei. nc steht für die kumulierte (aufsummierte) Häufigkeit. Zu jedem Feld-1-Wert ist die PMID (PubMeds Artikelnummer) des Artikels angegeben, die diesen Feldwert enthielt, sowie die im gleichen Artikel befindlichen Feld-2-Werte (hier: Autoren).

Als ein Beispiel, mit dem Hauptschlagwort *Attention, welches 7 mal gefunden wurde, wurde u.a. der Artikel mit der Nr. 11273404 indiziert, der von den Autoren Suzuki S und Peterson MA verfaßt wurde. Mit dem selben Schlagwort wurde auch PubMeds Artikel Nr. 11273385 verschlagwortet, der von den Autoren Crawford LE, Huttenlocher J und Engebretson PH publiziert wurde.

Ein Klick auf eine PMID führt Sie direkt zum entsprechenden Artikel in PubMed. Da der Benutzer einen Linkrestriktor angegeben hatte, hat Meva auch Links für die Feld-1- und Feld-2-Werte generiert: ein Klick auf den Autor Suzuki S in dieser Tabelle würde eine neue PubMed-Suche nach Suzuki S[au] Optical Illusions[mh] 2000[dp] anstoßen und somit den Suchradius auf die Arbeiten dieses Autors beschränken.

Die Tabelle beschreibt, wie Meva die eingelesenen Schlagworte nacheinander verarbeitet, um einen Baum zu erstellen, der nach Schlagwort-Codes hierarchisch gegliedert ist:

Unifikation: Wie Sie sehen, sind von den 11 unterschiedlichen Schlagworten der Datenbasis (s. Bilanztabelle am Anfang der Seite) nur 7 im MeSH-Baum gefunden wurden, da viele Schlagworte der Datenbasis nur auf ein Schlagwort im MeSH-Baum entfallen; die beiden Schlagworte Orientation/physiology und Orientation entsprechen z.B. nur dem Schlagwort Orientation im MeSH-Baum. Generische Terms hingegen wie Human besitzen keinen Code und fallen weg.

Assoziation: Da ein Schlagwort unter mehreren Codes im Baum zu finden sein kann, ist deren Zahl auch mit angegeben. Orientation findet sich z.B. sowohl unter F01.058.577 als auch unter F02.830.606.

Interpolation: Um den Baum zu vervollständigen, fügt Meva zuletzt noch die Schlagworte (im Baum grau gekennzeichnet) ein, deren Code sich zwischen dem der assoziierten Schlagworte und der Baumwurzel befindet. Damit hat Meva alle Informationen zusammen, um den Schlagwortbaum zeichnen zu können.

Gesamt: Dies ist die Summe assoziierter und interpolierter Terme und somit gleich der Zahl aller distinkten Terme des Baumes. Im Schlagwortbaum auf der letzten Seite sollten Sie 26 Terme sehen.

Die folgende Abbildung illustriert nochmals Mevas Verarbeitungsstufen. Aus didaktischen Gründen wurden kleinere Fallzahlen benutzt:

Diese Sekundärinformation weist den Erfolg der internen Verrechnungsstrategien aus. Eine Teilbaumstrategie von 100 % besagt, daß Meva für jedes Schlagwort mindestens einen Code im benutzerdefinierten Teilbaum (hier: F) finden konnte und ihn mit der entsprechenden Schlagworthäufigkeit belud. Visual Perception z.B. wurde zweimal gefunden: unter F02.463.593.932 als auch unter G11.697.716.877. Der Benutzer hatte jedoch angewiesen, den Teilbaum F zu beladen, so daß nur das Schlagwort Visual Perception des Teilbaumes F mit der Häufigkeit von 17 beladen wurde. Bitte beachten Sie, daß die Struktur des MeSH-Baumes laufend aktualisiert wird, so daß aktuelle Analysen mit Meva eine leicht veränderte Struktur im Vergleich zu der hier vorgestellten aufweisen können.

Der Schlagwortbaum ist hierarchisch entsprechend den Codes seiner Schlagworte organisiert. Codes und Schlagworte werden durch die Medizinische Nationalbibliothek der USA gepflegt und jährlich erneuert. Jeder Eintrag im Schlagwortbaum enthält 4 Werte: Code, Schlagwort, Häufigkeit und kumulierte Häufigkeit in eckigen Klammern als die Summe der eigenen Häufigkeit und der aller Unterschlagworte (auch wenn jene schon aus der Darstellungstiefe herausfallen sollten). Häufigkeiten werden also in Richtung Baumwurzel kumuliert.