Assistive technology for people with dementia: an overview and bibliometric study
Notice bibliographique
Résumé
BACKGROUND: This study presents an overview of recent research activities in assistive technology (AT) for people with dementia. Bibliometric studies are used to explore breadth and depth of different research areas, yet this method has not yet been fully utilised in AT research for people with dementia. METHODS: The bibliometric method was used for collecting studies related to AT. Based on inclusion/exclusion criteria, the AT studies with a focus on people with dementia are considered. STUDY SCOPE: The study is based on factors such as number of publications, citations per paper, collaborative research output, P-Index, major research and application areas and national dementia strategies. DATA COLLECTION: Data were collected from 2000 to 2014 in AT research. The top 10 countries are selected based on their research outputs. RESULTS: USA emerged as the leading contributor with 503 publications and an annual growth rate of 16%, followed by UK with 399 publications and growth rate of 22%. Germany with 101 publications is on the 6th place, but it has a higher citation rate 16.43% as compared to USA (13.34%). Although all 10 countries show good collaborative research output, Italy, Spain and the Netherlands emerge as top collaborative research contributors with high percentages (84%, 84% and 79%). All the top 10 countries, except Canada, Germany and Spain, have national dementia strategies in place. CONCLUSION: The overall analysis shows that USA and UK are working extensively in AT research for people with dementia. Both these countries also have well established national dementia strategies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,147 | 0,205 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».