Colaborações científicas em Zika: identificação dos principais grupos e pesquisadores através da análise de redes sociais
Colaborações científicas em Zika: identificação dos principais grupos e pesquisadores através da análise de redes sociais
Autores:
ARTIGO ORIGINAL
Cadernos de Saúde Pública
versão impressa ISSN 0102-311Xversão On-line ISSN 1678-4464
Cad. Saúde Pública vol.35 no.3 Rio de Janeiro 2019 Epub 08-Abr-2019
http://dx.doi.org/10.1590/0102-311x00220217
Resumen:
Debido a la asociación entre el Zika y la microcefalia, Brasil, como país, llamó la atención sobre este campo de estudio. La situación de emergencia ocasionada exigió rapidez y un esfuerzo colectivo de los investigadores de todo el mundo, asimismo, la ciencia se apresuró en ofrecer investigaciones y la publicación de resultados sobre este tema. Debido a las interacciones surgidas, se creó y diseminó conocimiento científico. Las publicaciones hoy en día todavía son la mejor forma de divulgar conocimiento científico. Gracias a ellas, es posible registrar los progresos realizados en un campo de estudio y observar cómo los científicos colaboran entre sí para llevar a cabo avances, a medida que se generan nuevos conocimientos y tecnologías. Un modo eficaz de mapear estos avances es analizar las redes sociales (redes de relaciones y colaboración) de los científicos, ya que actualmente la colaboración constituye una característica intrínseca de la ciencia moderna. De este modo, la coautoría en publicaciones se presenta como un importante indicador de la colaboración científica en la comprensión de los progresos realizados en diversas áreas de la ciencia. El objetivo de este trabajo, como método generalizable, es mapear y analizar la Red Social Científica, formada en el campo de Zika, mostrando cómo los científicos colaboraron entre sí para llevar a cabo los principales avances en investigación, identificando los principales grupos de investigación sobre Zika, además de a los investigadores más influyentes. Para ello, se utilizaron técnicas de Análisis de Redes Sociales, en redes de coautoría formadas entre los años de 2015 y 2016. Los datos de este estudio señalan que la influencia de un investigador en Zika está básicamente motivada por tres factores: (a) cantidad de publicaciones; (b) colaboraciones diversificadas; y (c) vínculos establecidos con los pioneros del área.
Palabras-clave: Virus Zika; Autoría y Coautoría en la Publicación Científica; Red Social; Conducta Cooperativa
Introdução
A epidemia de Zika vírus (ZIKV) se apresentou em 2015, no Brasil, como um novo fenômeno que até hoje busca respostas da ciência para questões inéditas, como o expressivo número de casos de microcefalia e outras alterações neurológicas em recém-nascidos. Previamente limitada a uma região restrita da África, com histórico de quadros benignos e sem complicação 1, foi somente a partir das ocorrências na Ilha de Yap, Micronésia, em 2007, e posteriormente na Polinésia Francesa, em 2013, e no Brasil, em 2014, que se tornou urgente seu estudo e a busca de respostas para o mundo.
Na Ilha de Yap, aproximadamente 73% dos habitantes foram infectados e apresentaram um quadro sintomatológico leve e de curta duração, e muitos casos assintomáticos 2.
No final de 2013, uma nova epidemia ocorreu na Polinésia Francesa 3, onde o surto foi de maiores proporções, verificado em estudos epidemiológicos retrospectivos que apontaram para a ocorrência de aproximadamente 30 mil infecções e a ocorrência de casos de síndrome de Guillain-Barré associada às infecções pelo ZIKV, bem como notificação dos primeiros casos de transmissão perinatal. Na análise retrospectiva dos nascidos vivos desse surto na Polinésia, foram identificados de março de 2014 a maio de 2015 17 casos de más-formações do sistema nervoso central, incluindo microcefalia em fetos e recém-nascidos 4.
Massad et al. 5 afirmam que o vírus foi introduzido no Brasil entre outubro de 2013 e março de 2014, vindo da Polinésia Francesa.
Na segunda metade do ano de 2014, uma nova doença febril foi registrada nas cidades de Natal, capital do Rio Grande do Norte, e Recife, capital do Estado de Pernambuco. Após investigação dos casos, foi confirmada também a circulação do ZIKV no Estado da Bahia, na cidade de Camaçari 6,7.
Em 2015, a ocorrência incomum de microcefalia em recém-nascidos passa a ser encontrada em Pernambuco, numa incidência fora do padrão. Investigações sobre a associação entre Zika e microcefalia começaram a ser desenvolvidas no Brasil 8. Entretanto, essa associação foi, de fato, confirmada pelo Centers for Disease Control and Prevention (CDC) dos Estados Unidos que anunciou, em 13 de abril de 2016, a confirmação da relação entre o ZIKV e a ocorrência de microcefalia em bebês cujas mães foram infectadas pelo vírus.
A situação de emergência exigiu rapidez e esforço coletivo dos pesquisadores de todo o mundo, e a Ciência se apressou nas investigações e publicação dos resultados.
Publicações ainda são o principal mecanismo de disseminação do conhecimento científico. Consequentemente, universidades e institutos de pesquisa possuem a sua produtividade e os avanços de suas pesquisas em seu atual estado da arte avaliadas por métricas diretamente relacionadas com o número de citações (p.ex.: fator de impacto, índice i10, índice h, entre outras). Tais métricas buscam estimar a reputação e a produtividade acadêmica de um pesquisador, bem como o impacto de sua pesquisa por meio de suas publicações 9. No entanto, essas métricas têm sido criticadas sob diversos aspectos. Algumas dessas críticas salientam o fato de que medidas de impacto baseadas nesses indicadores ignoram os aspectos mais sutis e informais da influência acadêmica, como o engajamento com a comunidade, a inserção em grupos de pesquisa e a divulgação além da comunidade científica 10.
Tão importante quanto analisar a produção de um pesquisador, é analisar o seu engajamento na comunidade científica, o seu papel na criação e disseminação do conhecimento e como os grupos de um determinado domínio da ciência evoluem 11,12. Em particular, métricas de Análise de Redes Sociais (ARS) podem ser utilizadas para explorar os relacionamentos em redes de colaboração científica - também conhecidas como Redes Sociais Científicas (RSC) 11,13. Em estudos cujo foco é a coautoria, essa relação pode ser medida pela proporção com que os mesmos grupos de autores publicam artigos em comum, em que essas publicações podem ser usadas como medida para indicar a força dos vínculos entre pesquisadores. As redes de coautoria e a maioria das estruturas sociais usualmente são representadas por estruturas de grafo. A ARS consiste em aplicar um conjunto de métricas e algoritmos para analisar os relacionamentos existentes nessas estruturas de grafo 14.
Este trabalho objetiva mapear e analisar a RSC no domínio de Zika, mostrando como os cientistas colaboraram entre si para conduzir os principais avanços nas pesquisas de ZIKV. Para isso, buscou-se responder às questões: “Quais pesquisadores são mais influentes - em termos de atividade e colaboração - em estudos relacionados à Zika?” e “Quais são os principais grupos de colaboração?”. Fazendo uso das métricas de ARS em conjunto com métricas de produtividade, espera-se entender melhor a representatividade e reconhecimento de pesquisadores em Zika, para apresentar à comunidade acadêmica os nomes de maior destaque em estudos relacionados à doença na atualidade.
Trabalhos relacionados
Em estudos relacionados à RSC, um dos destaques é o trabalho de Newman 15, que explorou a base do PubMed/MEDLINE, extraiu publicações e analisou RSC em diversos temas da Biomedicina utilizando métricas que examinam a rede em perspectiva macro/global. Neste estudo, 2.163.923 publicações foram analisadas e 1.520.251 de pesquisadores identificados. Também foram observadas as médias de 6,40 artigos por pesquisador, 3,75 pesquisadores por artigo e uma média de colaboração de 18,10. Em contraste com o trabalho de Newman, neste trabalho analisou-se RSC em uma perspectiva multidimensional, considerando diferentes níveis/métricas, além das métricas globais exploradas pelo autor.
Freeman 16 demonstrou matematicamente como é possível calcular a centralidade de vértices com base na posição absoluta ou relativa em relação a outros vértices de uma rede social, tornando possível a atribuição de escores (degree, closeness e betweenness) para cada vértice. Yan & Ding 17 propuseram um método para calcular a influência de pesquisadores em RSC, aplicando métricas de centralização de Freeman 16 em conjunto com o PageRank 18, no domínio da Biblioteconomia e Ciência da Informação, para analisar a estrutura da rede em nível “micro”, ou seja, examinando em profundidade a estrutura da RSC com auxílio das quatro métricas. Já o trabalho de Liu et al. 19 utilizou as quatro métricas anteriores de modo similar, porém, nesta abordagem, os autores propuseram uma nova métrica semelhante ao PageRank para auxiliar em suas análises, mas que considera os pesos nas arestas. Seu método foi aplicado nas redes formadas por autores que publicaram nas principais bibliotecas digitais da computação. Assim como Yan & Ding 17 e Liu et al. 19, este estudo examinou em detalhes os aspectos estruturais da RSC em nível micro (considerando os pesquisadores e a dinâmica de seus relacionamentos), contudo, no método da presente pesquisa, o emprego combinado das métricas utilizadas permite a identificação dos pesquisadores mais influentes com maior precisão.
No cenário brasileiro, Morel et al. 12 estudaram a produtividade científica e as coautorias que se formaram entre pesquisadores brasileiros na base de dados Web of Science. Com base nisso, foi possível mapear as RSC e analisar a formação de clusters compostos por autores que publicaram artigos internacionais sobre sete doenças tropicais negligenciadas, entre 2001-2008. Utilizando palavras-chave extraídas dos artigos, os autores conseguiram inferir coautorias/relacionamentos importantes entre os pesquisadores, como os clusters formados na temática Dengue e os componentes pontes entre instituições e grupos de pesquisa na temática Tuberculose. Além da forma como os autores analisaram as coautorias, outra diferença entre o mencionado trabalho e este é o fato de se ter automatizado o processo de recuperação, tratamento e integração dos dados e construção das RSC.
Albuquerque et al. 11 analisaram a colaboração científica de pesquisadores brasileiros que participaram do Instituto Nacional de Ciência e Tecnologia para o Controle do Câncer (INCTCC). Para tal fim, os autores realizaram análises da rede valendo-se de um modelo multidimensional, analisando também a série temporal de publicações dos membros do grupo estudado com base em informações recuperadas das plataformas Lattes e PubMed. Diferentemente do método aqui empregado, que é generalizável para outros cenários e bases de dados, o método apresentado naquele trabalho correlato se limita somente ao cenário brasileiro, já que utiliza a base do Lattes para extrair informações e mapear relacionamentos em RSC.
Construção da Rede Social Científica
Na análise da RSC deste trabalho, foram empregadas métricas de conectividade 20 e de centralização 16: degree (grau), betweenness (intermediação) e closeness (proximidade) para estudar como e com quem os pesquisadores estabelecem coautoria. Também foi empregada uma quarta métrica de centralidade, o PageRank 18, que mede a relevância dos nós da rede com base na relevância de outros nós a eles conectados.
As métricas de centralidade foram escolhidas pela definição de “prestígio” detalhada em Wasserman & Faust 20. O prestígio de grau está associado à quantidade de vínculos diretos de um elemento na rede. Quanto mais vínculos o pesquisador tiver na RSC, maior seu prestígio de grau. O prestígio de proximidade considera como mais “centrais” aqueles que possuem uma distância média menor em relação a todos os outros da rede. Pesquisadores que colaboram com elementos mais centrais na RSC possuem prestígio de proximidade maior. O prestígio de intermediação considera como elementos de maior prestígio aqueles que são pontes, conectando diferentes grupos de pesquisa. Além disso, atribuiu-se maior status aos elementos mais referenciados na RSC, empregando-se a métrica PageRank 13.
O processo utilizado (Figura 1), adaptado de Maia & Oliveira 13 e Maia & Yagui 21, é responsável por: (i) recuperar dados de pesquisadores em publicações sobre Zika extraídas do PubMed; (ii) construir uma RSC de coautoria com base nos dados recuperados; (iii) aplicar métricas de ARS na RSC construída; e (iv) evidenciar pesquisadores importantes e seus papéis na RSC da Zika, com base em sua produtividade e influência nas redes de pesquisa em que estão inseridos.
Através do mecanismo de consultas (https://www.ncbi.nlm.nih.gov/pubmed/advanced) do PubMed e utilizando como string de busca o termo “Zika” (nos filtros: título, resumo e texto da publicação), em 21 de dezembro de 2016, foram extraídos dados de 1.932 publicações sobre a doença Zika. Para utilizar esses dados, foi elaborado um workflow na ferramenta Knime (https://www.knime.org/about), de modo a integrar dados de autores e publicações para gerar a RSC e carregá-la na ferramenta de ARS Cytoscape (http://www.cytoscape.org/what_is_cytoscape.html). Em seguida, foi gerado o grafo de colaboração para visualização da rede criada, em que os autores são os nós e as publicações são as arestas. Assim, foi possível aplicar as métricas de ARS e analisar a RSC em três níveis diferentes: global, local e individual.
Análise global
Neste nível de análise, foi estudado o comportamento de publicação global na temática Zika com base em uma análise bibliométrica preliminar, correlacionando dados de pesquisadores e publicações. A Tabela 1 sumariza os resultados dessa análise.
Conforme os valores observados na Tabela 1, foram identificados 6.808 pesquisadores na RSC da doença Zika, em que um pesquisador publicou em média 1,49 artigo, os artigos possuem uma média de 5,20 pesquisadores e um pesquisador colabora, em média, com 6,12 pesquisadores.
Tabela 1 Análise global: dados bibliométricos da Rede Social Científica em Zika.
| Métrica | Resultado |
|---|---|
| Número de pesquisadores da rede | 6.808 |
| Número de publicações da rede | 1.932 |
| Somatório de publicações considerando cada pesquisador individualmente | 10.160 |
| Somatório de pesquisadores considerando cada publicação individualmente | 10.060 |
| Média de publicações por pesquisador | 1,49 |
| Média de pesquisadores por publicação | 5,20 |
| Média de colaboração (grau médio) | 6,12 |
Observando os resultados do estudo de Newman 15 e as análises bibliométricas do presente estudo, é possível fazer algumas comparações. A média de publicações por pesquisador, por exemplo, é baixa se comparada com publicações da Biomedicina em geral. Apenas 37 pesquisadores, dentre os 6.808 identificados, publicaram mais de dez vezes sobre o tema Zika. Isso indica que o tema, até alguns anos atrás, era pouco visado pela comunidade da Biomedicina, o que pode ser explicado se se levar em conta que o interesse em estudar a doença mais a fundo surgiu somente a partir dos surtos ocorridos no ano de 2013 22. Já a média de pesquisadores por publicação, que é de 5,20, pode ser considerada alta, uma vez que é 39% maior em relação à média encontrada em publicações da Biomedicina. Para que se tenha uma ideia disso, neste trabalho foram identificadas 322 publicações em que dez ou mais autores participaram da pesquisa, ou seja, um sexto da amostra. Isso é um indicativo de que o tema tende a formar grupos de pesquisa com muitos integrantes. Por fim, a média de colaboração de 6,12 é baixa (três vezes menor) se comparada com a de grupos da área da Biomedicina. Isso demonstra que os pesquisadores do ZIKV, no âmbito global, tendem a colaborar menos.
Na etapa seguinte, a fim facilitar na identificação dos pesquisadores mais influentes, foram eliminados componentes isolados e elos fracos da rede (pesquisadores que publicam sem coautores e vínculos de apenas uma publicação em comum). Para isso, utilizou-se como parâmetros: (i) pesos aos nós/pesquisadores, onde o peso corresponde ao número de arestas daquele nó; (ii) pesos às arestas, onde o peso corresponde ao número de publicações em comum; (iii) a ocorrência de uma aresta condicionada à existência de duas ou mais publicações em comum; e (iv) remoção de nós isolados da RSC. Com isso, a visualização do grafo se tornou menos poluída e a identificação dos componentes importantes se tornou mais fácil.
Após os ajustes realizados, foi projetado um grafo de colaboração em que é possível identificarmos 1.025 nós e 3.608 arestas, sendo 8.650 arestas se se considerar o peso em função das que se repetem, ou seja, foram mapeadas 8.650 publicações em comum entre 1.025 pesquisadores.
Isso feito, também foi possível aplicar métricas de conectividade na RSC para identificar os grupos de nós/pesquisadores que se sobressaem na estrutura observada.
Análise local
Neste nível de análise, foram identificados os maiores componentes/clusters, com 208, 133 e 96 nós, que correspondem a 20,29%, 12,97% e 9,36% do total de pesquisadores da RSC. Dentre os demais componentes identificados, o quarto, o quinto, o sexto, o sétimo e o oitavo maiores possuem, respectivamente, 37, 23, 22, 22 e 21 nós. Todos os demais componentes possuem menos de 20 nós cada um. A Tabela 2 corresponde às métricas de conectividade extraídas dos oito maiores componentes da RSC.
Tabela 2 Analise local: métricas de conectividade dos oito maiores componentes da Rede Social Científica em Zika.
| Componente | Nós | Grau médio | Diâmetro da rede | Densidade |
|---|---|---|---|---|
| Componente gigante | 208 | 6,92 | 12 | 0,03 |
| Segundo maior componente | 133 | 10,38 | 6 | 0,079 |
| Terceiro maior componente | 96 | 7,31 | 9 | 0,077 |
| Quarto maior componente | 37 | 9,35 | 5 | 0,26 |
| Quinto maior componente | 23 | 5,83 | 4 | 0,25 |
| Sexto maior componente | 22 | 9,91 | 4 | 0,45 |
| Sétimo maior componente | 22 | 10,00 | 2 | 0,47 |
| Oitavo maior componente | 21 | 7,36 | 3 | 0,35 |
Com base nesses números (em especial, nós e diâmetro da rede), para este estudo, somente os três maiores clusters identificados na RSC (doravante sub-rede 1, sub-rede 2 e sub-rede 3) foram considerados na análise individual (437 nós). A Figura 2 ilustra a distribuição das colaborações científicas em Zika e destaca os três principais clusters/sub-redes identificados.
Nota: o grafo de coautoria com os nomes dos pesquisadores em Zika encontra-se disponível em https://luisfmpm.github.io/CSP/. O grafo de coautoria também destaca os pesos aplicados aos nós e arestas, em que o tamanho dos nós varia conforme o número de coautorias de cada pesquisador e o tamanho das arestas varia conforme o número de coautorias entre dois pesquisadores.
Figura 2 Grafo de colaboração da Redes Social Científica em Zika, em que estão destacados os três principais clusters de pesquisadores identificados (sub-rede 1, sub-rede 2 e sub-rede 3).
Análise individual
Após a identificação dos subconjuntos de pesquisadores mais importantes, aplicaram-se as métricas de centralidade explicadas na seção Construção da Rede Social Científica para analisar as propriedades individuais das três sub-redes e identificar os pesquisadores mais influentes. As análises realizadas neste nível foram adaptadas do trabalho de Maia & Oliveira 13, que incorporou os conceitos de centralidade aplicados nos trabalhos de Freeman 16, Yan & Ding 17 e Liu et al. 19. Com base nesses propostos, nesta análise extraiu-se o degree, closeness e betweenness para achar os nós mais centrais, e o PageRank para comparar esses nós com os mais referenciados.
Análise da produtividade
Primeiramente, um critério importante a ser estudado é o Número de Publicações (NP) de cada pesquisador, pois a quantificação da produtividade, a despeito de críticas ao fato, ainda é um fator essencial no meio acadêmico para determinar se um pesquisador está conduzindo avanços em seu campo de atuação ou em focos específicos, no caso, a doença Zika. Desse modo, o NP de cada pesquisador foi extraído e um ranking foi criado com base na quantidade de vezes que cada pesquisador publicou. Nesse ranking, foram levados em conta apenas aqueles que publicaram cinco ou mais vezes, descartando os pesquisadores com baixa produção bibliográfica e reduzindo o escopo da próxima análise. Além disso, como forma de facilitar na identificação dos pesquisadores mais produtivos e melhorar a visualização dos números, foram definidas quatro categorias de cores baseadas no NP de cada pesquisador, conforme os critérios mostrados na Tabela 3.
Tabela 3 Categorias de cores baseadas no número de publicações (NP).
| Categoria | Condição |
|---|---|
| Vermelha | Se NP ≥ 5 ou NP < 8 |
| Roxa | Se NP ≥ 8 ou NP < 10 |
| Azul | Se NP ≥ 10 ou NP < 15 |
| Verde | Se NP ≥ 15 |
Definidos esses critérios, foi constatado que, entre os pesquisadores que mais publicaram, 133 estão na categoria vermelha, 24 na roxa, 21 na azul e 16 na verde. A Tabela 4 mostra os pesquisadores com mais publicações (categoria verde) nos três clusters/sub-redes principais.
Pelos resultados observados na Tabela 4, pode-se constatar que esses nomes, de fato, referem-se a pesquisadores que pertencem a redes de colaboração científica com fortes referências geopolítica/institucional. Observam-se núcleos bem definidos nesse grupo como, por exemplo, o formado por pesquisadores do Institut Louis Malardé - ILM (Taiti/Polinésia Francesa), composto por Didier Musso (MUSSO D) e Van-Mai Cao-Lormeau (CAO-LORMEAU VM) e Isabelle Leparc-Goffart (LEPARC-GOFFART I), que pertence ao National Reference Center for Arboviruses - NRCA (França) e ao Institut de Recherche Biomédicale des Armées - IRBA (Marselha/França).
Tabela 4 Pesquisadores que mais publicaram nas 3 sub-redes estudadas.
| Pesquisador | Publicações |
|---|---|
| MUSSO D | 33 |
| JAMIESON DJ | 21 |
| LEPARC-GOFFART I | 20 |
| FISCHER M | 19 |
| HONEIN MA | 18 |
| WEAVER SC | 17 |
| STAPLES JE | 16 |
| VASILAKIS N | 16 |
| DIAMOND MS | 16 |
| CAO-LORMEAU VM | 16 |
| QIN CF | 15 |
Esses pesquisadores começaram a publicar a partir de 2014, quando da ocorrência do surto de ZIKV na Polinésia Francesa em 2013. Didier Musso e Cao-Lormeau têm forte parceria com Duane Gubler, da Duke-NUS Medical School (Singapura) e da Partnership for Dengue Control (Lyon/França), que apesar de não estar entre os pesquisadores que mais publicaram, reforça a ligação de mais uma instituição francesa nessa rede de coautoria.
Nesse grupo de 11 pesquisadores, nota-se também um forte núcleo oriundo do CDC (Atlanta/Estados Unidos), a citar, Mark Fischer (FISCHER M), Denise J. Jamieson (JAMIESON DJ), Margareth A. Honein (HONEIN MA) e J. Erin Staples (STAPLES JE). Pela capilaridade do CDC em termos de parcerias e trabalhos desenvolvidos, esse núcleo teve uma produtividade muito expressiva em termos de publicação. Mark Fischer, por exemplo, foi um dos primeiros a publicar sobre a epidemia de ZIKV na Ilha Yap, em 2007 23.
Scott Weaver (WEAVER SC) e Nikos Vasilakis (VASILAKIS N) da University of Texas - UT (Estados Unidos) lideram outro grupo de expressão na publicação em Zika. Além da UT, outros grupos menores da Washington University, a partir de Michael S. Diamond (DIAMOND MS), da Johns Hopkins University, e outras confirmam uma forte participação dos Estados Unidos na pesquisa em Zika.
Cheng-Feng Qin (QIN CF), do departamento de Virologia do Beijing Institute of Microbiology and Epidemiology (Pequim/China), tem uma forte participação na rede de publicações em Zika, com parcerias eminentemente chinesas.
Ranking das métricas de Freeman
Nesta análise, extraiu-se o degree, closeness e betweenness de cada pesquisador. Feito isso, ranquearam-se os pesquisadores individualmente (em suas respectivas sub-redes) com base nessas medidas em que, quanto maior sua pontuação em uma métrica, melhor colocado ele estará no ranking daquela métrica. Foram considerados somente os 100 primeiros colocados em cada métrica neste processo.
Somaram-se, então, as posições dos pesquisadores nas três métricas, em que os mais influentes estão listados em ordem crescente de acordo com os valores da coluna “Escore”. Pesquisadores com produtividade baixa (Tabela 3) ou pontuação baixa (degree, closeness ou betweenness abaixo dos 100 primeiros) foram desconsiderados neste ranking. Em seguida, criou-se um ranking específico para pesquisadores menos centrais na rede (baixa pontuação em uma das três métricas), seguindo os mesmos critérios do ranking anterior. Esses pesquisadores (sublinhados) aparecem logo abaixo dos pesquisadores mais centrais nas tabelas seguintes.
As Tabelas 5, 6 e 7 mostram os pesquisadores mais bem colocados nas três sub-redes, segundo esses critérios, além das categorias de cores/produtividade (Tabela 3). Como critério de desempate foram utilizados o degree e o número de publicações.
Tabela 5 Ranking dos pesquisadores mais influentes na sub-rede 1 com base nas métricas de Freeman, em que também estão contempladas as categorias de cores baseadas no número de publicações (Tabela 3).
| Pesquisador | Publicações | Betweenness/Rank | Closeness/Rank | Degree/Rank | Escore |
|---|---|---|---|---|---|
| QIN CF | 15 | 0,4374/2 | 0,2900/1 | 26/2 | 5 |
| WEAVER SC | 17 | 0,2603/5 | 0,2638/4 | 27/1 | 10 |
| VASILAKIS N | 16 | 0,2548/6 | 0,2638/5 | 22/3 | 14 |
| DENG YQ | 10 | 0,1486/11 | 0,2737/3 | 17/8 | 22 |
| LIU X | 5 | 0,2378/7 | 0,2441/11 | 19/5 | 23 |
| SHI PY | 12 | 0,4961/1 | 0,2815/2 | 12/22 | 25 |
| YE Q | 9 | 0,0326/32 | 0,2450/8 | 20/4 | 44 |
| ZHAO H | 5 | 0,1884/9 | 0,2383/16 | 13/19 | 44 |
| GAO GF | 7 | 0,2856/3 | 0,2441/10 | 10/33 | 46 |
| KO AI | 10 | 0,2805/4 | 0,2343/24 | 13/20 | 48 |
| LI XF | 9 | 0,0368/30 | 0,2605/6 | 14/15 | 51 |
| TESH RB | 11 | 0,0285/33 | 0,2444/9 | 15/10 | 52 |
| RIBEIRO GS | 7 | 0,1260/12 | 0,2265/31 | 12/23 | 66 |
| LI C | 6 | 0,0467/25 | 0,2372/17 | 10/34 | 76 |
| DIAMOND MS | 16 | 0,1082/15 | 0,1998/80 | 18/6 | 101 |
| ZHANG S | 7 | 0,0489/24 | 0,2027/67 | 15/11 | 102 |
| BELFORT R JR | 9 | 0,1254/13 | 0,2017/71 | 12/24 | 108 |
| MAIA M | 7 | 0,1254/14 | 0,2017/72 | 12/25 | 111 |
| FERNANDEZ E | 7 | 0,00011/81 | 0,1986/22 | 12/26 | 129 |
| GARCIA-BLANCO MA | 5 | 0,0219/37 | 0,0242/13 | 7/79 | 129 |
| LIU ZY | 5 | 0,0002/68 | 0,2328/26 | 10/36 | 130 |
| XIE X | 8 | 0,0014/52 | 0,2430/12 | 8/69 | 133 |
| LI J | 5 | 0,0348/45 | 0,2265/66 | 11/31 | 142 |
| SHAN C | 5 | 0,0013/53 | 0,2422/14 | 7/79 | 146 |
| SONG H | 6 | 0,2107/8 | 0,2071/63 | 7/86 | 157 |
| LI D | 5 | 0,0022/51 | 0,2017/75 | 10/39 | 165 |
| JIANG T | 5 | 0,0002/71 | 0,2320/28 | 7/80 | 179 |
| CAMPOS GS | 7 | 0,0557/21 | 0,1869/93 | 8/74 | 188 |
| ROSSI SL | 5 | 0,0003/65 | 0,2129/45 | 7/82 | 192 |
| SALL AA | 11 | 0,00006/78 | 0,2130/49 | 8/72 | 199 |
| DIALLO M | 7 | 0,00005/73 | 0,2129/50 | 8/79 | 202 |
| QIAN X | 5 | 0,1793/10 | 16/9 | 19 | |
| LI Y | 9 | 0,074/19 | 18/7 | 26 | |
| RAMOS RC | 9 | 0,1025/16 | 14/16 | 32 | |
| VAN DER LINDEN V | 8 | 0,0579/20 | 15/12 | 33 | |
| YANG H | 5 | 0,0911/18 | 11/32 | 50 | |
| VENTURA CV | 10 | 0,0219/36 | 12/27 | 63 | |
| OGDEN SC | 5 | 0,0009/56 | 15/13 | 69 | |
| HAMMACK C | 5 | 0,00089/57 | 15/14 | 71 | |
| DOWD KA | 5 | 0,0187/40 | 10/41 | 81 | |
| ROCHA MA | 7 | 0,0151/42 | 10/40 | 82 | |
| PIERSON TC | 8 | 0,0186/41 | 10/42 | 83 | |
| CORDEIRO MT | 9 | 0,0501/23 | 9/63 | 86 | |
| RODRIGUES LC | 11 | 0,0426/27 | 8/77 | 104 | |
| WANG Z | 7 | 0,00004/82 | 10/45 | 127 | |
| DE PAULA FREITAS B | 5 | 0,0040/47 | 0,1962/88 | 135 |
Nota: este ranking também inclui 15 pesquisadores (sublinhados) que, segundo os critérios de centralidade estudados, podem ser considerados influentes, porém menos centrais na sub-rede 1. Caso haja empate no valor do Escore, considerar: 1º - maior degree; 2º - maior número de publicações.
Tabela 6 Ranking dos pesquisadores mais influentes na sub-rede 2 com base nas métricas de Freeman, em que também estão contempladas as categorias de cores baseadas no número de publicações (Tabela 3).
| Pesquisador | Publicações | Betweenness/Rank | Closeness/Rank | Degree/Rank | Escore |
|---|---|---|---|---|---|
| JAMIESON DJ | 21 | 0,1966/2 | 0,5111/1 | 43/1 | 4 |
| ODUYEBO T | 13 | 0,2031/1 | 0,4808/3 | 38/3 | 7 |
| HONEIN MA | 18 | 0,1336/5 | 0,5018/2 | 38/2 | 9 |
| POWERS AM | 14 | 0,1806/3 | 0,4742/4 | 30/5 | 12 |
| FISCHER M | 19 | 0,1311/6 | 0,4509/6 | 31/4 | 16 |
| MEANEY-DELMAN D | 13 | 0,1076/8 | 0,4584/5 | 29/7 | 20 |
| PETERSEN EE | 13 | 0,0457/16 | 0,4466/7 | 30/6 | 29 |
| RIVERA-GARCIA B | 11 | 0,1639/4 | 0,4070/18 | 26/9 | 31 |
| STAPLES JE | 16 | 0,0304/20 | 0,4326/8 | 24/10 | 38 |
| HILLS SL | 7 | 0,0500/15 | 0,4169/12 | 18/15 | 42 |
| RASMUSSEN SA | 11 | 0,0179/26 | 0,4312/9 | 26/8 | 43 |
| MUNOZ-JORDAN J | 8 | 0,1105/7 | 0,3865/25 | 24/11 | 43 |
| RUSSELL K | 8 | 0,0206/22 | 0,4259/10 | 20/13 | 45 |
| PEREZ-PADILLA J | 8 | 0,0515/14 | 0,3920/24 | 18/16 | 54 |
| MEAD P | 7 | 0,0129/30 | 0,4000/20 | 19/14 | 64 |
| BROOKS JT | 7 | 0,0157/29 | 0,4119/15 | 16/22 | 66 |
| VILLANUEVA J | 5 | 0,0039/43 | 0,4181/11 | 16/21 | 75 |
| SHAPIRO-MENDOZA CK | 5 | 0,0189/23 | 0,4156/13 | 12/42 | 78 |
| MOORE CA | 7 | 0,0298/21 | 0,3865/26 | 15/32 | 79 |
| VALENCIA-PRADO M | 5 | 0,0180/24 | 0,3854/28 | 12/45 | 97 |
| POLEN KN | 6 | 0,0012/48 | 0,4023/19 | 13/37 | 104 |
| OSTER AM | 5 | 0,0074/36 | 0,3942/23 | 11/49 | 108 |
| LANCIOTTI RS | 7 | 0,0121/32 | 0,3424/50 | 7/30 | 112 |
| ELLINGTON SR | 6 | 0,0007/54 | 0,4107/17 | 12/44 | 115 |
| RYFF KR | 5 | 0,0102/35 | 0,3179/74 | 21/12 | 121 |
| PETERSEN LR | 13 | 0,0178/27 | 0,3865/27 | 7/67 | 121 |
| SIMEONE RM | 5 | 0,0068/37 | 0,3833/29 | 9/59 | 125 |
| JOHANSSON MA | 5 | 0,0116/34 | 0,3822/30 | 7/68 | 132 |
| RENQUIST CM | 5 | 0,0010/51 | 0,3801/32 | 11/51 | 134 |
| HENNESSEY M | 6 | 0,0030/45 | 0,3520/42 | 10/57 | 144 |
| SHARP TM | 7 | 0,0019/47 | 0,3157/79 | 15/33 | 159 |
| RIVERA A | 5 | 0,0044/42 | 0,3136/83 | 15/34 | 159 |
| PASTULA DM | 8 | 0,0430/17 | 0,3108/86 | 10/58 | 161 |
| KUEHNERT MJ | 6 | 0,0172/28 | 0,3209/73 | 6/92 | 193 |
Nota: Caso haja empate no valor do Escore, considerar: 1º - maior degree; 2º - maior número de publicações.
Tabela 7 Ranking dos pesquisadores mais influentes na sub-rede 3 com base nas métricas de Freeman, em que também estão contempladas as categorias de cores baseadas no número de publicações (Tabela 3).
| Pesquisador | Publicações | Betweenness/Rank | Closeness/Rank | Degree/Rank | Escore |
|---|---|---|---|---|---|
| CAO-LORMEAU VM | 16 | 0,4071/2 | 0,3968/3 | 26/1 | 6 |
| MUSSO D | 33 | 0,3281/3 | 0,4291/1 | 24/2 | 6 |
| LEPARC-GOFFART I | 20 | 0,4585/1 | 0,3448/10 | 21/3 | 14 |
| DESPRES P | 7 | 0,1825/5 | 0,3571/7 | 15/6 | 18 |
| MALLET HP | 8 | 0,1616/6 | 0,3921/4 | 13/20 | 30 |
| SIMON-LORIERE E | 5 | 0,0997/8 | 0,3154/19 | 21/4 | 31 |
| TEISSIER A | 8 | 0,0990/9 | 0,4032/2 | 11/21 | 32 |
| SAKUNTABHAI A | 5 | 0,0809/10 | 0,3144/20 | 20/5 | 35 |
| GAREL C | 5 | 0,0801/11 | 0,3472/9 | 9/24 | 44 |
| ROCHE C | 6 | 0,0067/23 | 0,3571/8 | 8/27 | 58 |
| BESNARD M | 5 | 0,0070/22 | 0,3205/17 | 9/25 | 64 |
| BROULT J | 5 | 0,0081/20 | 0,3355/14 | 7/38 | 72 |
| DE LAMBALLERIE X | 9 | 0,0028/26 | 0,2631/64 | 10/23 | 113 |
| MAQUART M | 9 | 0,0074/21 | 0,2680/53 | 6/44 | 118 |
| BAUD D | 11 | 0,0034/30 | 0,3048/37 | 5/56 | 123 |
| VOUGA M | 7 | 0,00007/34 | 0,3039/39 | 4/64 | 137 |
| ROUSSET D | 5 | 0,0587/13 | 0,2624/65 | 4/71 | 149 |
Nota: Caso haja empate no valor do Escore, considerar: 1º - maior degree; 2º - maior número de publicações.
Ranking comparativo (PageRank)
Nesta etapa, calculou-se o PageRank de cada pesquisador. Segundo os critérios de prestígio definidos na seção Construção da Rede Social Científica, quanto maior o valor do PageRank, mais um pesquisador está relacionado com nós de alto prestígio (status) ou muito referenciados. Dessa forma, utilizou-se esta métrica de modo complementar para verificar a confiabilidade do ranking de centralidade tendo em vista que pesquisadores de maior prestígio também deveriam pontuar bem no PageRank.
Tendo isso em mente, foram comparados os rankings das Tabelas 5, 6, e 7 com os 100 primeiros colocados mais produtivos (Tabela 3) das três sub-redes no PageRank (Tabelas 8, 9 e 10). Apenas 2 pesquisadores do ranking de Freeman não apareceram no ranking comparativo. Em contrapartida, 9 pesquisadores do ranking comparativo não apareceram no ranking de Freeman. Em seus respectivos clusters; verifica-se, no entanto, que esses 11 nós estão vinculados a nós de alto prestígio no ranking de Freeman. As Tabelas comparativas 8, 9 e 10 mostram os pesquisadores ordenados pelo PageRank.
Desse modo, com base em critérios de produtividade (publicações) e prestígio (degree, closeness, betweenness e PageRank), dos 437 nós identificados na análise individual, foram mapeados os 106 pesquisadores mais influentes, sendo 54 na sub-rede 1, 34 na sub-rede 2 e 18 na sub-rede 3, conforme ilustrado nas Figuras 3, 4 e 5.
Tabela 8 Ranking comparativo da sub-rede 1, que inclui a posição no PageRank (PPR) e a posição no ranking de Freeman (PRF) dos pesquisadores, além de contemplar as categorias de cores baseadas no número de publicações (Tabela 3).
| Pesquisador | PageRank | PPR | PRF | Pesquisador | PageRank | PPR | PRF |
|---|---|---|---|---|---|---|---|
| WEAVER SC | 0,0165 | 1 | 2 | ZHAO H | 0,0072 | 28 | 8 |
| VASILAKIS N | 0,0148 | 2 | 3 | SHI PY | 0,0071 | 29 | 6 |
| DIAMOND MS | 0,0135 | 3 | 15 | LI XF | 0,0071 | 30 | 11 |
| QIN CF | 0,0130 | 4 | 1 | GOVERO J | 0,0070 | 31 | |
| VAN DER LINDEN V | 0,0113 | 5 | 34 | MARTELLI CM | 0,0068 | 32 | |
| RAMOS RC | 0,0107 | 6 | 35 | LI J | 0,0065 | 35 | 23 |
| LI Y | 0,0106 | 7 | 33 | GARCIA-BLANCO MA | 0,0058 | 42 | 20 |
| LIU X | 0,0096 | 8 | 5 | CAMPOS GS | 0,0057 | 43 | 28 |
| YE Q | 0,0096 | 9 | 7 | YANG H | 0,0056 | 44 | 36 |
| TESH RB | 0,0095 | 10 | 12 | LI C | 0,0056 | 45 | 14 |
| KO AI | 0,0095 | 11 | 10 | SONG H | 0,0056 | 46 | 25 |
| VENTURA CV | 0,0092 | 12 | 37 | LI D | 0,0055 | 49 | 26 |
| DENG YQ | 0,0089 | 13 | 4 | REIS MG | 0,0054 | 51 | |
| ZHANG S | 0,0087 | 14 | 16 | XIE X | 0,0053 | 52 | 22 |
| BELFORT R JR | 0,0086 | 15 | 17 | VENTURA LO | 0,0052 | 54 | |
| MAIA M | 0,0086 | 16 | 18 | SALL AA | 0,0051 | 56 | 30 |
| FERNANDEZ E | 0,0084 | 17 | 19 | DIALLO M | 0,0051 | 57 | 31 |
| QIAN X | 0,0081 | 18 | 32 | WANG Z | 0,0051 | 59 | 45 |
| GAO GF | 0,0081 | 19 | 9 | LIU ZY | 0,0051 | 62 | 21 |
| CORDEIRO MT | 0,0079 | 20 | 43 | ROSSI SL | 0,0050 | 67 | 29 |
| RIBEIRO GS | 0,0077 | 21 | 13 | SHAN C | 0,0046 | 80 | 24 |
| ROCHA MA | 0,0075 | 22 | 41 | FAYE O | 0,0045 | 88 | |
| RODRIGUES LC | 0,0075 | 23 | 44 | DIALLO D | 0,0045 | 90 | |
| OGDEN SC | 0,0074 | 24 | 38 | BANDEIRA AC | 0,0045 | 92 | |
| HAMMACK C | 0,0074 | 25 | 39 | SARDI SI | 0,0045 | 95 | |
| DOWD KA | 0,0072 | 26 | 40 | DE PAULA FREITAS B | 46 | ||
| PIERSON TC | 0,0072 | 27 | 42 | JIANG T | 27 |
Nota: este ranking também inclui 2 pesquisadores que não pontuaram no PageRank (em negrito), 8 que não aparecem no ranking de Freeman (em itálico) e os 15 pesquisadores (sublinhados) que são influentes, porém menos centrais segundo o ranking de Freeman.
Tabela 9 Ranking comparativo da sub-rede 2, que inclui a posição no PageRank (PPR) e a posição no ranking de Freeman (PRF) dos pesquisadores, além de contemplar as categorias de cores baseadas no número de publicações (Tabela 3).
| Pesquisador | PageRank | PPR | PRF | Pesquisador | PageRank | PPR | PRF |
|---|---|---|---|---|---|---|---|
| JAMIESON DJ | 0,0284 | 1 | 1 | MOORE CA | 0,0108 | 18 | 19 |
| ODUYEBO T | 0,0236 | 2 | 2 | VILLANUEVA J | 0,0098 | 22 | 17 |
| HONEIN MA | 0,0236 | 3 | 3 | SHARP TM | 0,0096 | 23 | 31 |
| FISCHER M | 0,0208 | 4 | 5 | RIVERA A | 0,0095 | 24 | 32 |
| POWERS AM | 0,0190 | 5 | 4 | PASTULA DM | 0,0087 | 28 | 33 |
| PETERSEN EE | 0,0190 | 6 | 7 | POLEN KN | 0,0082 | 29 | 21 |
| RIVERA-GARCIA B | 0,0175 | 7 | 8 | LANCIOTTI RS | 0,0078 | 34 | 23 |
| MEANEY-DELMAN D | 0,0171 | 8 | 6 | OSTER AM | 0,0078 | 40 | 22 |
| RASMUSSEN SA | 0,0158 | 9 | 11 | VALENCIA-PRADO M | 0,0076 | 41 | 20 |
| STAPLES JE | 0,0155 | 10 | 10 | SHAPIRO-MENDOZA CK | 0,0076 | 43 | 18 |
| MUNOZ-JORDAN J | 0,0151 | 11 | 12 | ELLINGTON SR | 0,0075 | 46 | 24 |
| RYFF KR | 0,0132 | 12 | 25 | HENNESSEY M | 0,0073 | 48 | 30 |
| RUSSELL K | 0,0129 | 13 | 13 | RENQUIST CM | 0,0072 | 50 | 29 |
| HILLS SL | 0,0127 | 14 | 10 | KUEHNERT MJ | 0,0070 | 53 | 34 |
| MEAD P | 0,0122 | 15 | 15 | SIMEONE RM | 0,0063 | 72 | 27 |
| PEREZ-PADILLA J | 0,0110 | 16 | 14 | JOHANSSON MA | 0,0055 | 87 | 28 |
| BROOKS JT | 0,0108 | 17 | 16 | PETERSEN LR | 0,0054 | 88 | 26 |
Tabela 10 Ranking comparativo da sub-rede 3, que inclui a posição no PageRank (PPR) e a posição no ranking de Freeman (PRF) dos pesquisadores, além de contemplar as categorias de cores baseadas no número de publicações (Tabela 3).
| Pesquisador | PageRank | PPR | PRF | Pesquisador | PageRank | PPR | PRF |
|---|---|---|---|---|---|---|---|
| MUSSO D | 0,0397 | 1 | 2 | GAREL C | 0,0132 | 10 | 9 |
| LEPARC-GOFFART I | 0,0364 | 2 | 3 | BESNARD M | 0,0132 | 12 | 11 |
| CAO-LORMEAU VM | 0,0257 | 3 | 1 | MAQUART M | 0,0113 | 28 | 14 |
| DESPRES P | 0,0215 | 4 | 4 | ROCHE C | 0,0113 | 29 | 10 |
| SIMON-LORIERE E | 0,0184 | 5 | 6 | BROULT J | 0,0111 | 30 | 12 |
| DE LAMBALLERIE X | 0,0182 | 6 | 13 | BAUD D | 0,0102 | 36 | 15 |
| MALLET HP | 0,0179 | 7 | 5 | ROUSSET D | 0,0092 | 46 | 17 |
| SAKUNTABHAI A | 0,0171 | 8 | 8 | VOUGA M | 0,0083 | 59 | 16 |
| TEISSIER A | 0,0162 | 9 | 7 | PANCHAUD A | 0,0064 | 75 |
Nota: este ranking também inclui 1 pesquisador que não aparece no ranking de Freeman (em itálico).
Figura 3 Grafo de colaboração da sub-rede 1 em que estão destacados os pesquisadores mais influentes desse cluster conforme as categorias de cores definidas na Tabela 3.
Figura 4 Grafo de colaboração da sub-rede 2 em que estão destacados os pesquisadores mais influentes desse cluster conforme as categorias de cores definidas na Tabela 3.
Figura 5 Grafo de colaboração da sub-rede 3 em que estão destacados os pesquisadores mais influentes desse cluster conforme as categorias de cores definidas na Tabela 3.
Os mais influentes nas 3 sub-redes
Em relação ao mapeamento dos pesquisadores quanto à sua influência na RSC da Zika, no período determinado por este estudo, os resultados apontam para a ideia que os mais produtivos são também os mais influentes.
A sub-rede 1
A sub-rede 1, maior cluster de pesquisadores identificado por este estudo, é caracterizada pela forte participação de pesquisadores chineses, a partir de Cheng-Feng Qin (mais influente da sub-rede 1). Apenas a título de exemplificação, de acordo com a Tabela 5, 8 dos 14 primeiros pesquisadores mais influentes são chineses.
Scott Weaver e Nikos Vasilakis, da UT, que ocupam as primeiras posições nas Tabelas 5 e 8, lideram um grupo diversificado, composto por pesquisadores brasileiros e também de vários pesquisadores chineses que desenvolvem estudos nos Estados Unidos e também em Pequim. Nessas ligações de coautoria, um nó importante é Pei-Yong Shi (SHI PY), da UT, que se conecta ao grupo da China através de Cheng-Feng Qin.
A coautoria com pesquisadores brasileiros se deu pela parceria com Albert Icksang Ko (KO AI), da Yale School of Public Health (Estados Unidos) e também pesquisador colaborador do Instituto Gonçalo Moniz da Fundação Oswaldo Cruz - IGM/Fiocruz (Salvador/Brasil).
A sub-rede 1 é a que tem o maior número de pesquisadores brasileiros ranqueados. Eles se distribuem em grupos de pesquisas ligados a duas capitais centrais à epidemia, Salvador e Recife, ambas no Nordeste do país e com a presença de centros de pesquisas da Fiocruz, a citar: IGM, na Bahia, e Instituto Aggeu Magalhães (IAM), em Pernambuco.
Guilherme de Sousa Ribeiro (RIBEIRO GS), do IGM/Fiocruz, é o pesquisador brasileiro de melhor posição no ranking dos mais influentes. Observando melhor a Figura 3, vê-se que ele é ponte entre diversos grupos de nós importantes, o que também explica seu alto valor de betweenness. Esses resultados se devem à sua parceria com a UT e com Albert Ko, que rendeu a ele 7 publicações em coautoria com Scott Weaver e Nikos Vasilakis, Gúbio Soares Campos (CAMPOS GS) (Universidade Federal da Bahia - UFBA), Bruno de Paula Freitas (DE PAULA FREITAS) (Hospital Geral Roberto Santos - HGRS), Mittermayer Galvão Reis (REIS MG) e Federico Costa (IGM/Fiocruz), que publicou 4 vezes sobre ZIKV.
Próximo a esse grupo, tem-se também o grupo de 7 nós a que pertence Gúbio Soares (UFBA), que é ponte entre esse grupo e o de Guilherme Ribeiro. Com 7 publicações, Gúbio possui uma rede de coautoria com Silvia Sardi (SARDI SI) (UFBA), Antonio C. Bandeira (BANDEIRA AC) (Hospital Santa Helena, Camaçari/Bahia), Guilherme Ribeiro e outros pesquisadores do IGM, além de parcerias com Charles Y. Chiu e Samia Naccache (2 publicações), da University of California (Estados Unidos).
Em outro grupo articulado por brasileiros, encontram-se Rubens Belfort Jr. (BELFORT R JR) e Maurício Maia (MAIA M), ambos do Departamento de Oftalmologia e Ciências Visuais da Escola Paulista de Medicina da Universidade Federal de São Paulo (UNIFESP), com 9 e 7 publicações, respectivamente, sobre estudos voltados para distúrbios da visão em crianças com microcefalia. Ambos também pontuaram bem no ranking de Freeman e PageRank, algo que se traduz nas parcerias em coautorias que desenvolveram com os pesquisadores de Recife e Salvador. Fazem parte dessa parceria Vanessa Van Der Linden (VAN DER LINDEN V), do Hospital Barão de Lucena - HBL (Recife), Regina Coeli Ferreira Ramos (RAMOS RC), da Universidade Federal de Pernambuco - UFPE, Camila Ventura (VENTURA CV), da UNIFESP, Bruno Freitas, do HGRS, Liana Maria Vieira de Oliveira Ventura (VENTURA LO), coordenadora do Departamento de Oftalmologia Pediátrica e Estrabismo do Hospital de Olhos de Pernambuco, e Albert Ko, do IGM/Fiocruz.
Ainda nesse grupo mais articulado por brasileiros, destacam-se Vanessa Van Der Linden, do HBL, com 8 publicações, e Regina Ramos, da UFPE, com 9 publicações. Ambas possuem altos valores de betweenness e PageRank, algo que indica suas conexões com nós importantes (explicados no parágrafo anterior) e sua atuação como mediadoras entre outros nós de pesquisadores que estão mais isolados na rede. Camila Ventura, da UNIFESP, com 10 publicações, Marli T. Cordeiro (CORDEIRO MT), do IAM/Fiocruz, com 9 publicações, Maria Ângela Wanderley Rocha (ROCHA MA), do Hospital Universitário Oswaldo Cruz (Recife), com 7 publicações, Bruno Freitas, do HGRS, com 5 publicações e Laura Cunha Rodrigues (RODRIGUES LC), da London School of Hygiene & Tropical Medicine - LSHTM (Reino Unido), com 11 publicações, completam o quadro de pesquisadores influentes na sub-rede 1, a maioria dos quais não pontuou na métrica closeness, indicando que esse grupo tem uma posição mais isolada na rede (conforme pontuado na seção Ranking das Métricas de Freeman).
Interessante notar que a maioria desses pesquisadores está ligada ao Microcephaly Epidemic Research Group - MERG, coordenado pela Dra. Celina Maria Turchi Martelli (MARTELLI CM), que não aparece no ranking de Freeman, mas pontuou bem na métrica PageRank. Esse grupo de pesquisa pertence ao IAM/Fiocruz, e trabalha em parceria com diversas instituições nacionais e internacionais, incluindo a Universidade de Pernambuco - UPE, UFPE, Secretaria de Saúde do Estado de Pernambuco - SES-PE, LSHTM (Reino Unido), University of Pittsburgh (Estados Unidos), Fundação Altino Ventura - FAV, Associação de Assistência à Criança Deficiente - AACD, e Instituto de Medicina Integral Professor Fernando Figueira - IMIP.
Entre muitos artigos produzidos entre 2015 e 2016, um foi bastante especial. Esse grupo publicou, em junho de 2016, o artigo intitulado Microcephaly in Infants, Pernambuco State, Brazil, 201524, de grande importância no cenário internacional, pois relata a primeira pesquisa que confirmou em um estudo de caso-controle que a epidemia de microcefalia foi resultante da infecção congênita pelo ZIKV.
Na mídia, entretanto, a autoria dessa associação é dada ao CDC que, em abril de 2016, teve publicada uma nota na imprensa declarando que “[they] ...have concluded, after careful review of existing evidence, that Zika virus is a cause of microcephaly and other severe fetal brain defects. In the report published in the New England Journal of Medicine, the CDC authors describe a rigorous weighing of evidence using established scientific criteria” 25.
O trabalho do MERG teve o reconhecimento da revista Nature, uma das publicações científicas de maior prestígio do mundo, que elegeu a Dra. Celina Turchi Martelli um dos dez nomes de maior destaque na ciência, em 2016.
Ao analisar a sub-rede 1, portanto, podem-se verificar claramente as lideranças da China e dos Estados Unidos nas pesquisas de ponta em Zika. Apesar de o Brasil ter sido palco da pior epidemia de microcefalia com ocorrência de complicações neurológicas em recém-nascidos, e ter uma produção científica expressiva em Zika, pesquisadores brasileiros não aparecem em nenhuma posição de destaque.
A sub-rede 2
Os pesquisadores mais influentes nesta sub-rede, com base nas métricas de centralidade, pertencem exclusivamente ao CDC. Denise Jamieson, Titilope Oduyebo (ODUYEBO T) e Margareth Honein são as três mais influentes nesses rankings e pertencem ao mesmo grupo de pesquisa - The Pregnancy and Birth Defects Task Force for CDC Zika Virus Response -, com grande produtividade científica sobre o tema.
Observa-se o estudo da epidemia de Zika em Porto Rico por essa rede, mais uma vez, caracterizando a formação das sub-redes mediante as relações geopolíticas e institucionais.
Os grupos de coautoria são bem intercambiáveis. Pelos primeiros autores mais influentes, identificam-se algumas coautorias:
Denise Jamieson, Sonja A. Rasmussen (RASMUSSEN AS), Margareth Honein, Lyle R. Petersen (PETERSEN LR), Erin Staples, Mark Fisher.
Titilope Oduyebo, Mark Fischer, Emily E. Petersen (PETERSEN EE), Carrie K. Shapiro-Mendoza (SHAPIRO-MENDOZA CK), Denise Jamieson, Margareth Honein, Dana Meaney-Delman (MEANEY-DELMAN D).
Mark Fischer, Erin Staples, Cynthia Moore (MOORE CA), Paul Mead (MEAD P), Margareth Honein, Sonja Rasmussen.
Brenda Rivera-Garcia (RIVERA-GARCIA B), Regina M. Simeone (SIMEONE RM), Carrie Shapiro-Mendoza, Denise Jamieson, Miguel Valencia Prado (VALENCIA-PRADO M), Janice Perez-Padilha (PEREZ-PADILLA J), Sascha R. Ellington (ELLINGTON SR), na produção científica sobre Zika em Porto Rico.
Tyler M. Sharp (SHARP TM), Aidsa Rivera (RIVERA A), Brenda Rivera-Garcia, também na produção científica sobre Zika em Porto Rico.
Mark Fisher, Paul Mead, Morgan Hennessey (HENNESSEY M), Kate Russel (RUSSEL K), Susan L. Hills (HILLS SL).
Titilope Oduyebo, Robert Lanciotti (LANCIOTTI RS), Amy Lambert, Julu Bhatnagar e Kleber Giovanni Luz. Esse grupo de coautores é composto por um pesquisador da Universidade Federal do Rio Grande do Norte, outro estado brasileiro que, como Bahia e Pernambuco, também viveu essa epidemia. Kleber Luz aparece na sub-rede 2 como coautor, registrando os primeiros casos de microcefalia naquele estado 26. Esse pesquisador, contudo, não aparece entre os mais influentes.
Em comparação com a sub-rede 1, esse cluster é o mais denso e com maior correlação entre as quatro métricas de centralidade estudadas.
A sub-rede 3
Este cluster é composto principalmente por autores pertencentes ao Institut Pasteur (Paris/França), Institut Pasteur (Guiana Francesa), ILM (Taiti), Aix-Marseille Université - AMU (Marselha), NRCA-IRBA (Marselha), e École de Pharmacie Genève-Lausanne, Université de Genève (Genebra/Suíça).
Conforme as Tabelas 7 e 10, os nós principais são Didier Musso e Cao-Lormeau, do ILM, (Taiti); e Isabelle Leparc-Goffart, do NRCA-IRBA (Marselha). Esses três autores começaram a publicar sobre Zika no ano de 2014, quando ocorreu o surto na Polinésia Francesa 27.
Podem ser observados, nessa sub-rede, dois grupos distintos: um liderado por Didier Musso e Cao-Lormeau e outro por Leparc-Goffart.
O grupo de coautoria mais forte nessa sub-rede é ligado a Didier Musso e Cao-Lormeau, com forte participação de Anita Teissier (TEISSIER A), também do ILM, e Henry-Pierre Mallet (MALLET HP), do Ministério da Saúde da Polinésia Francesa.
Leparc-Goffart tem forte ligação em coautorias com Xavier de Lamballerie (DE LAMBALLERIE X), da AMU e Marianne Maquart (MAQUART M), do NRCA-IRBA. Dominique Rousset (ROUSSET D), do Institut Pasteur (Guiana Francesa), também aparece como coautora ligada a Leparc-Goffart, porém com uma ligação mais fraca.
Nessa sub-rede, Marianne Besnard (BESNARD M) (Hôpital Du Taaone, Taiti) e Catherine Garel (GAREL C) (Hôpital Armand Trousseau, Assistance Publique-Hôpitaux de Paris, Université Pierre et Marie Curie, Paris) são importantes nós que ligam o grupo de Leparc-Goffart com o grupo de Didier Musso e Cao-Lormeau.
Três autores de instituições da Suíça, Alice Panchaud (PANCHAUD A), de Genebra, e David Baud (BAUD D) e Manon Vouga (VOUGA M), de Lausana, são ligados a Didier Musso.
Considerações finais
Este estudo buscou identificar os principais grupos de pesquisa em Zika, bem como os pesquisadores com maior produção bibliográfica e de maior prestígio/reputação acadêmica no assunto. Para isso, analisaram-se as interações científicas na RSC da doença em três níveis: global, local e individual.
Na análise global, apresentou-se uma visão macro deste campo de estudo por meio dos indicadores bibliométricos extraídos. Esta análise mostrou que, comparada a outros estudos realizados na base do PubMed/MEDLINE de diversos temas da Biomedicina, a colaboração e a produção bibliográfica de pesquisadores em Zika é menor em relação a outros temas da saúde pública, refletindo a pouca importância atribuída ao ZIKV no cenário internacional até a ocorrência das recentes epidemias 22.
Na análise local, foram identificados os 3 principais clusters de pesquisadores da RSC, com 208, 133 e 96 nós, respectivamente, e no qual se encontram os grupos de pesquisa mais importantes da área.
Na análise individual, foram identificados os 106 pesquisadores mais influentes - em termos de atividade e colaboração - em pesquisas sobre o ZIKV.
A observação desses nomes e grupos de pesquisa confirmou que trata-se de pesquisadores que estão conduzindo avanços significativos relacionados ao vírus, exercendo lideranças em renomadas instituições de pesquisa e coordenando esforços conjuntos entre diferentes institutos e grupos de pesquisa, favorecendo o intercâmbio de conhecimento.
Foi verificado também que, de um modo geral, os pesquisadores com mais publicações figuram entre os mais influentes em suas respectivas sub-redes. Nesse sentido, é interessante notar que muitos desses casos (pesquisadores de alta influência e produtividade) se referem a nomes que integram núcleos de pesquisa bem definidos e de forte referência geopolítica e institucional, responsáveis por avanços consideráveis em estudos sobre o ZIKV. Esses resultados se mostram expressivos ao se analisar quem são os pesquisadores da Tabela 4, que mostra os 11 mais produtivos nas 3 sub-redes.
Os dados deste estudo sinalizam que a influência de um pesquisador nas RSC da Zika basicamente é motivada por três fatores: (a) se seus esforços se traduzem na forma de resultados corroborados por suas publicações (produtividade); (b) se suas publicações são fruto de parcerias entre diferentes grupos de pesquisa, favorecendo o intercâmbio de conhecimento; e (c) a quantidade de vínculos estabelecidos, mais especificamente com grupos/pesquisadores que são/foram pioneiros na busca de respostas para resolver o problema 28.
Embora pesquisadores brasileiros tenham tido papel relevante na identificação dos danos neurológicos relacionados à Zika congênita e na investigação subsequente, as redes de pesquisa brasileiras não figuram com destaque nas análises efetuadas.
É importante frisar que até o momento ainda não foram publicados - em nível nacional ou internacional - mapeamentos ou estudos acerca de como as interações científicas sobre a doença ocorreram (estudando em profundidade a RSC da Zika). Este trabalho torna-se, portanto, pioneiro no assunto, sendo um elemento importante para o estudo da evolução da pesquisa desenvolvida em Zika. Além disso, a metodologia utilizada pode ser aplicada para o estudo de qualquer área da Ciência.
Os resultados apresentados podem ser utilizados para compreender e melhorar a colaboração científica entre grupos de pesquisa do ZIKV.
Como trabalhos futuros, continuar-se-á esta pesquisa pela análise do impacto e do reconhecimento social dos pesquisadores e suas descobertas por intermédio de métricas alternativas (altmetrics13).