ABSTRACT
Presentamos un modelo de tópicos basado en el método asignación latente de Dirichlet (LDA, por sus siglas en inglés) con el objetivo de examinar patrones en la investigación científica del Covid--19 teniendo en cuenta las publicaciones indexadas en la base datos especializada PubMed. Se toman 4928 resumenes científicos publicados durante el primer semestre de 2020. Se ajusta un modelo LDA utilizando dos tópicos. El primer tópico corresponde a factores de riesgo, severidad y mortalidad por infección viral, mientras que el segundo al impacto de las infecciones respiratorias en la salud pública. La clasificación propuesta brinda una visión global sobre las dos tendencias de investigación presentes a la fecha en la que el análisis tiene lugar. Adicionalmente, los resultados señalan que la aplicación de la metodología propuesta provee un camino para direccionar y hacer más eficiente la revisión bibliográfica en el contexto académico.Alternate : We consider a topic modeling approach using latent Dirichlet allocation (LDA) methods aiming to examine patterns in the scientific research of Covid-19 using publications indexed in the PubMed database. A total of 4928 scientific s published during the first semester of 2020 are taken into account. An LDA model is fitted using two topics. The first topic corresponds to risk factors, severity, and mortality due to viral infection, whereas the second is the impact of respiratory illnesses on public health. Our classification provides a global overview of these two research trends from the moment the analysis takes place. Additionally, our findings suggest that the systematic application of the proposed methodology provides a way to address and make more efficient the bibliographic review in academic contexts.