Mapping the Iranian Research Literature in the Field of Traditional Medicine in Scopus Database 2010-2014.
Notice bibliographique
Résumé
BACKGROUND: The aim of this study was to provide research and collaboration overview of Iranian research efforts in the field of traditional medicine during 2010-2014. METHODS: This is a bibliometric study using the Scopus database as data source, using search affiliation address relevant to traditional medicine and Iran as the search strategy. Subject and geographical overlay maps were also applied to visualize the network activities of the Iranian authors. Highly cited articles (citations >10) were further explored to highlight the impact of research domains more specifically. RESULTS: About 3,683 articles were published by Iranian authors in Scopus database. The compound annual growth rate of Iranian publications was 0.14% during 2010-2014. Tehran University of Medical Sciences (932 articles), Shiraz University of Medical Sciences (404 articles) and Tabriz Islamic Medical University (391 articles), were the leading institutions in the field of traditional medicine. Medicinal plants (72%), digestive system's disease (21%), basics of traditional medicine (13%), mental disorders (8%) were the major research topics. United States (7%), Netherlands (3%), and Canada (2.6%) were the most important collaborators of Iranian authors. CONCLUSION: Iranian research efforts in the field of traditional medicine have been increased slightly over the last years. Yet, joint multi-disciplinary collaborations are needed to cover inadequately described areas of traditional medicine in the country.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».