¿Cómo crear tablas de frecuencias de palabras claves y áreas temáticas a partir de una búsqueda sistemática exportada en formato xlsx?

Primero se debe ingresar a posit cloud https://posit.cloud/

Se debe cargar el archivo correspondiente a R, si está trabajando en la nube, se debe buscar el botón upload y subir el archivo en formato xlsx respectivamente.

Se debe cargar el archivo al espacio

library(readxl)
articles <- read_excel("articles.xlsx")

Se debe visualizar el dataframe correctamente cargado

Ahora se crea un vector con las palabras clave

keywords <- articles$keywords

keywords <- unlist(strsplit(keywords, ";")) ##Con este código indicamos que cada término se separa por ";"

keywords <- na.omit(keywords) ##Omite datos faltantes

keywords <- keywords[!grepl("\\b\\d+\\b", keywords)] ##Elimina secuencias de más de tres caracteres numéricos


print(head(keywords, 10))
##  [1] "academic achievement" "human"                "longitudinal study"  
##  [4] "medical student"      "self concept"         "Students, Medical"   
##  [7] "cannabis"             "academic achievement" "adult"               
## [10] "alcohol consumption"

Se cargan las siguiente librerías

library(tidyverse)

library(flextable)

library(wordcloud)

Se crea un dataframe con las palabras clave y se crean nuevas columnas para la frecuencia absoluta, frecuencia relativa y frecuencia relativa acumulada

library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.2     ✔ readr     2.1.4
## ✔ forcats   1.0.0     ✔ stringr   1.5.0
## ✔ ggplot2   3.4.2     ✔ tibble    3.2.1
## ✔ lubridate 1.9.2     ✔ tidyr     1.3.0
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
keywords <- as.data.frame(keywords)

keywords <- keywords %>% group_by(keywords) %>% summarize(Frecuencia = n()) %>% arrange(desc(Frecuencia))

keywords$Porcentaje  <- round(keywords$Frecuencia / sum(keywords$Frecuencia) * 100, 1) 
keywords$Porcentaje_Acumulado <- cumsum(keywords$Porcentaje)

Se crea la tabla con las 20 palabras más frecuentes y se exporta en formato word

library(flextable)
## 
## Attaching package: 'flextable'
## The following object is masked from 'package:purrr':
## 
##     compose
keywords %>% slice(1:20) %>% ##Selecciona las filas de 1 a 20
  flextable() %>%
  add_header_lines("Tabla 1. Primeras 20 palabras clave más frecuentes en los últimos 5 años") %>%
  fontsize(part = "all", size = 8) %>%   ##Tamaño de letra
  font(part = "all", fontname = "Arial") %>% ##Tipo de letra
  bold(part = "header") %>%
  set_table_properties(layout = "autofit") %>%
  set_header_labels(keywords = "Palabra Clave", Frecuencia = "n", Porcentaje = "%", Porcentaje_Acumulado = "% a") %>% ##Se asignan los nombres de las columnas
  flextable::save_as_docx(path = "Keywords_table.docx")

Tabla 1. Primeras 20 palabras clave más frecuentes en los últimos 5 años

Palabra Clave

n

%

% a

human

123

4.5

4.5

medical student

118

4.3

8.8

Students, Medical

90

3.3

12.1

burnout

78

2.9

15.0

academic achievement

76

2.8

17.8

female

76

2.8

20.6

male

73

2.7

23.3

article

56

2.1

25.4

adult

55

2.0

27.4

questionnaire

40

1.5

28.9

cross-sectional study

38

1.4

30.3

medical school

38

1.4

31.7

major clinical study

34

1.3

33.0

controlled study

33

1.2

34.2

medical education

32

1.2

35.4

prevalence

31

1.1

36.5

depression

28

1.0

37.5

psychology

25

0.9

38.4

anxiety

23

0.8

39.2

young adult

21

0.8

40.0

Finalmente se crea la nube de palabras y se exporta en formato png

library(wordcloud)
## Loading required package: RColorBrewer
png("Nube_keywords.png", width = 800, height = 600) 
wordcloud(words = keywords$keywords, 
          freq = keywords$Frecuencia, 
          min.freq = 1,
          scale = ,
          max.words=20, ##Establece las primeras 20 palabras
          random.order=FALSE, 
          rot.per=0.20, 
          family="Arial")  
dev.off()
## png 
##   2

¿Cómo crear la tabla de frecuencias para los tópicos?

Ahora se crea un vector con los tópicos

Topics <- articles$Topics  
Topics <- unlist(strsplit(Topics, ",")) ##Con este código indicamos que cada término se separa por ","  
Topics <- na.omit(Topics) ##Omite datos faltantes  
Topics <- Topics[!grepl("\\b\\d+\\b", Topics)] ##Elimina secuencias de más de tres caracteres numéricos   
print(head(Topics, 10))
##  [1] "academic failure"       " adult"                 " article"              
##  [4] " burnout"               " cross-sectional study" " data analysis"        
##  [7] " descriptive research"  " economic crisis"       " emotional stress"     
## [10] " exercise"

Se crea un dataframe con los tópicos y se crean nuevas columnas para la frecuencia absoluta, frecuencia relativa y frecuencia relativa acumulada

library(tidyverse)  

Topics <- as.data.frame(Topics)  

Topics <- Topics %>% group_by(Topics) %>% summarize(Frecuencia = n()) %>% arrange(desc(Frecuencia))  

Topics$Porcentaje  <- round(Topics$Frecuencia / sum(Topics$Frecuencia) * 100, 1) 

Topics$Porcentaje_Acumulado <- cumsum(Topics$Porcentaje) 

Se crea la tabla con los 20 tópicos más frecuentes y se exporta en formato word

library(flextable)  
Topics %>% slice(1:20) %>% ##Selecciona las filas de 1 a 20   
  flextable() %>%   
  add_header_lines("Tabla 1. Primeros 20 tópicos más frecuentes en los últimos 5 años") %>%   
  fontsize(part = "all", size = 8) %>%   ##Tamaño de letra   
  font(part = "all", fontname = "Arial") %>% ##Tipo de letra   
  bold(part = "header") %>%   
  set_table_properties(layout = "autofit") %>%   
  set_header_labels(Topics = "Tópicos", Frecuencia = "n", Porcentaje = "%", Porcentaje_Acumulado = "% a") %>% ##Se asignan los nombres de las columnas   
  flextable::save_as_docx(path = "Topics_table.docx")

Tabla 1. Primeros 20 tópicos más frecuentes en los últimos 5 años

Tópicos

n

%

% a

human

7

5.9

5.9

medical student

6

5.1

11.0

Medical.

4

3.4

14.4

Students

4

3.4

17.8

article

4

3.4

21.2

mental health

4

3.4

24.6

academic achievement

4

3.4

28.0

female

3

2.5

30.5

male

3

2.5

33.0

medical school

3

2.5

35.5

prevalence

3

2.5

38.0

adult

2

1.7

39.7

anxiety

2

1.7

41.4

controlled study

2

1.7

43.1

cross-sectional study

2

1.7

44.8

emotion

2

1.7

46.5

epidemiology

2

1.7

48.2

major clinical study

2

1.7

49.9

pandemic

2

1.7

51.6

student burnout

2

1.7

53.3

Finalmente se crea la nube de palabras y se exporta en formato png

library(wordcloud) 
png("Nube_Topics.png", width = 800, height = 600)  
wordcloud(words = Topics$Topics,            
          freq = Topics$Frecuencia,            
          min.freq = 1,           
          scale = ,           
          max.words=20, ##Establece las primeras 20 palabras           
          random.order=FALSE,            
          rot.per=0.20,            
          family="Arial")   
dev.off()
## png 
##   2

Referencias
Brügger, A. (2023). Quick Descriptive Tables. https://www.adrianbruegger.com/post/quick-descriptive-tables/
Fellows, I. (2023). wordcloud: Word Clouds. R Package Version 0.2.1. https://cran.r-project.org/web/packages/wordcloud/wordcloud.pdf
Gohel, D., 2023. Using the flextable R package. https://ardata-fr.github.io/flextable-book/
Paradinas, I. (2023). Procesando los datos con tidyverse. CursoR. https://bookdown.org/paradinas_iosu/CursoR/procesando-los-datos-con-tidyverse.html
Wickham, H. et al. (2019). Welcome to the tidyverse. Journal of Open Source Software, 4(43), 1686. https://doi.org/10.21105/joss.01686