Diagnostic Imaging in Disasters: A Bibliometric Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To investigate the role of diagnostic imaging in the clinical diagnosis, treatment, and follow-up management of patients in response to disasters. METHODS: A MEDLINE (OVID) search of original research articles identified 177 articles on this topic published since 2000. A bibliometric analysis was conducted on the top 100 articles ranked by average yearly citation. RESULTS: The most frequently studied disaster categories were disease outbreak (55 articles), armed conflict (23 articles), terrorist incident (10 articles), and earthquake (7 articles). The most studied disasters were the H1N1 influenza outbreak in 2009 (28 articles), Severe Acute Respiratory Syndrome outbreak in 2003 (24 articles), War in Afghanistan, 2001-2014 (8 articles), Iraq War, 2003-2011 (6 articles), and the Sichuan earthquake (China) in 2008 (6 articles). Among the first authors, 59 were primarily affiliated with Radiology. The United States of America produced the most articles (25 articles), followed by the People's Republic of China (24 articles). Eighty-one studies were retrospective, with 19 studies being prospective. Computed tomography was the most investigated modality (52.8%), followed by conventional radiography (33.3%) and ultrasound (9.7%). CONCLUSIONS: Our study identifies intellectual milestones in the utility of diagnostic imaging in response to various disasters, and could help guide future research in developing disaster management plans. (Disaster Med Public Health Preparedness. 2018;12:265-277).
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.
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,086 | 0,050 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle