Samle mange ris-filer til en (eller flere) fil(er) i R
Mikkel H. Vembye
2024-05-29
Source:vignettes/articles/samle-flere-ris-filer.Rmd
samle-flere-ris-filer.RmdVigtig note
Hvis du ikke har en R-version lig med eller over 4.1.0, skal du være
opmærksom på, at de koder jeg viser i denne vignette ikke umiddelbart
virker, da jeg benytter R base pipen |>. Hvis du ikke
ønsker at opdatere R, kan du bytte |> ud med
magrittr pipen %>%. Ydermere skal man for
at kunne køre revtools-pakken have installeret en R-version
lig med eller over 3.5.0. I min gennemgang skriver jeg pakkennavnet
(pakkenavn::) foran alle funktioner. Hvis man har indlæst
de givne pakker er dette ikke nødvendigt, men jeg gør dette, for at gøre
det tydeligt, hvorfra jeg præcist henter den givne funktion.
Det hænder ofte af forskellige årsager, at vi oplever at vores
bibliometriske søgninger ender ud med en lang række ris-filer. Disse kan
være utroligt trættende at arbejde med, da det kræver meget “peg og
klik” for at kunen indlæse disse i EPPI-Reviewer. I
denne vignette viser jeg derfor, hvordan man hurtigt kan samle store
mængder af ris-filer til en eller flere filer via R-pakken
revtools.
Jeg indlæser først de nødvendige pakker, der skal bruges til
at samle risfilerne.
#library(revtools) # Benyttes til at indlæse risfiler
library(synthesisr) # Forbedre pakke til at indlæse risfiler
library(purrr) # Benyttes til at kunne indlæse flere filer ad gangen
library(stringr) # Benyttes til at sortere ens ris-filer korrekt
library(dplyr) Første skridt, ift. at indlæse mange (ris-)filer på engang, er at skabe en string-variabel med alle navnene på alle de ris-filer, som man ønsker at samle. Dette kan gøres som vist her nedenfor. I dette toy-eksempel, ønsker vi at samle 5 ris-filer fra EMBASE.
# Tjek arbejdssti
getwd()
# Ændre evt. arbejdssti via (om nødvendigt)
setwd("Indsæt den ønskede arbejdssti")
# Her skabes vector med alle navnene på de ris-filer, som ønskes indlæst
embase_file_names <-
base::list.files(path = "undermappe_til_arbejdssti_1/etc", pattern = "EMBASE") |>
stringr::str_sort(numeric = TRUE) # Her sorteres
embase_file_names## [1] "EMBASE_1-200.ris" "EMBASE_201-400.ris" "EMBASE_401-600.ris"
## [4] "EMBASE_601-800.ris" "EMBASE_801-1000.ris"Vi ser nu alle filer i den givne mappe, hvor “EMBASE” indgår i
filnavnet. Det er vigtigt at tjekke, at list.files()
kommandoen gør sit arbejde og henter navnene på ens ris-filer.1 Hvis dette
step ikke virker, vil resten af de nedenstående koder heller ikke virke.
Hvis ens arbejdssti-mappe er den samme mappe, som den hvor man har alle
sine ris-filer ligende kan man blot omskrive ovenstående koder som
følger, hvor path-argumentet ignoreres.
embase_file_names <-
base::list.files(pattern = "EMBASE") |>
stringr::str_sort(numeric = TRUE) Når man har skabt en string-variabel med alle navne på de ris-filer,
man ønsker samlet, kan man skabe et stort datasæt med alle referencer
fra de givne ris-filer via purrr::map() funktionen og
read_bibliography() funktionen fra revtools.
Den sidste funktion konverterer referencerne fra ris-filerne til et
datasæt i R. Om lidt vil vi omvendt benytte
write_bibliography() til at konvertere dette datasæt
tilbage til en eller flere ris-filer, alt efter behov.
ris_file_dat <-
purrr::map(embase_file_names, ~ {
synthesisr::read_refs(filename = paste0("undermappe_til_arbejdssti_1/", .x))
}
) |>
purrr::list_rbind() # Benyttes til at samle listen med datasæts som skabes via map()
dplyr::glimpse(ris_file_dat) # Få overblik og det samlede data## Rows: 1,000
## Columns: 35
## $ database <chr> "Embase Preprint", "Embase Preprint", "Embase Prepri…
## $ source_type <chr> "JOUR", "JOUR", "JOUR", "JOUR", "JOUR", "JOUR", "JOU…
## $ publication_type <chr> "Preprint", "Preprint", "Preprint", "Preprint", "Pre…
## $ language <chr> "English", "English", "English", "English", "English…
## $ address <chr> "United States and V. Chidambaran, Department of Ane…
## $ title <chr> "Mixed Methods Family Centered Study of Pain Experie…
## $ journal <chr> "medRxiv", "bioRxiv", "medRxiv", "medRxiv", "medRxiv…
## $ keywords <chr> "adult and aged and avoidance behavior and caregiver…
## $ doi <chr> "https://dx.doi.org/10.1101/2024.03.20.24304546", "h…
## $ accession_zr <chr> "2031394640", "2029577544", "2028779392", "202819456…
## $ url <chr> "https://www.medrxiv.org/", "https://www.biorxiv.org…
## $ publisher <chr> "medRxiv", "bioRxiv", "medRxiv", "medRxiv", "medRxiv…
## $ A1 <chr> "Kumar J. and Atkinson D. and Chima A. and McLaughli…
## $ AO <chr> "Chidambaran, Vidya; ORCID: https://orcid.org/0000-0…
## $ L2 <chr> "http://ovidsp.ovid.com/ovidweb.cgi?T=JS&PAGE=refere…
## $ M1 <chr> "(Kumar, Atkinson, Chima, McLaughlin, Parikh, Chidam…
## $ N2 <chr> "Background and Objectives: Although racial disparit…
## $ Y1 <chr> "2024//", "2023//", "2023//", "2023//", "2023//", "2…
## $ issn <chr> NA, "2692-8205 (electronic) and 2692-8205", NA, NA, …
## $ volume <chr> NA, NA, NA, NA, NA, NA, "30", NA, NA, NA, NA, NA, NA…
## $ issue <chr> NA, NA, NA, NA, NA, NA, "7", NA, NA, NA, NA, NA, NA,…
## $ start_page <chr> NA, NA, NA, NA, NA, NA, "6946", NA, NA, NA, NA, NA, …
## $ end_page <chr> NA, NA, NA, NA, NA, NA, "6947", NA, NA, NA, NA, NA, …
## $ ID <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
## $ XT <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
## $ pubmed_id <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
## $ C1 <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
## $ M2 <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
## $ proceedings_title <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
## $ C4 <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
## $ author <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
## $ year <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
## $ abstract <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
## $ article_id <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
## $ place_published <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …Nu har vi samlet alle referencer fra ris-filerne i et datasæt, og det
er dette datasæt, vi nu kan konvertere tilbage til en eller flere
ris-filer. Nedenfor giver jeg først et eksempel på, hvordan hele
datasættet kan gemmes, og derefter hvordan data kan splittes op og
gemmes i flere ris-filer. Grunden til at vi nogen gange/ofte ønsker at
dele filerne op er, at disse er lettere at arbejde med, eksempelvis i
AIscreenR, hvor vi for ikke at bruge unødigt mange penge,
gerne deler screeningsprocessen op i chunks af 500, eller fordi
EPPI-Reviewer ofte kun kan indlæse omkring 4000 almindelige referencer
(det afhænger dog af fil-størrelsen).
# Gem alle referencer i datasæt i en ris-fil
revtools::write_bibliography(ris_file_dat, filename = "EMBASE_ris_file_1_1000.ris", format = "ris")Når man ønsker at splitte data op og gemme flere ris-filer, kan man i de lette tilfælde gøre dette håndholdt, som følger.
ris_file_1_500 <- ris_file_dat[1:500,]
ris_file_501_1000 <- ris_file_dat[501:1000,]
synthesisr::write_refs(ris_file_1_500, filename = "EMBASE_ris_file_1_500.ris", format = "ris")
synthesisr::write_refs(ris_file_501_1000, filename = "EMBASE_ris_file_501_1000.ris", format = "ris")Det kan dog bare hurtigt ende med at blive trivielt, hvis man eksempelvis skal dele et datasæt på 100.000 referencer op i blokke af 4000. Det bliver trivielt nok i sig selv at skulle loade disse 25 filer (100000/4000) til EPPI-reviewer, så for at spare tid, kan man bruge nedenstående funktion til at gøre gemme-processen hurtigere og mere effektiv.
gem_ris <- function(seq, file_name, data){
start_seq <- min(seq)
end_seq <- max(seq)
name_file <- paste0(file_name, "_", start_seq , "_", end_seq, ".ris")
ris_dat <- data[start_seq:end_seq,]
invisible(synthesisr::write_refs(ris_dat, filename = name_file, format = "ris"))
}
# Test at funktionen virker for en delmængde af referencer
#gem_ris(1:500, file_name = "EMBASE_ris_file", data = ris_file_dat)Derefter køres følgende koder
# Her indskriver man inddelingssekvensen (alle delmængder).
# Kan gøres smartere end dette, men dette vil jeg lade stå for nu.
# Hjælper gerne med at finde andre løsninger hertil, når der er brug for det.
list_obj <- list(1:500, 501:1000)
# Denne funktion kan godt tage noget tid at køre, så hav endelig tålmodighed
purrr::map(list_obj, ~ gem_ris(.x, file_name = "EMBASE_ris_file", data = ris_file_dat))Vær opmærksom på, at med ovenstående eksempel gemmes ris-filerne i
arbejdssti-mappen. Ønsker man filerne gemt i en undermappe, gøres dette
via file_name argumentet i den konstruerede
gem_ris()-funktion, eksempelvis således