Bibliometric analysis of global publications in medication adherence (1900–2017)
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
OBJECTIVES: Medication non-adherence is a worldwide problem. The aim of this study was to assess the global research output, research trends and topics that shaped medication adherence research. METHODS: A bibliometric methodology was applied. Keywords related to 'medication adherence' were searched in Scopus database for all times up to 31 December 2017. Retrieved data were analyzsd, and bibliometric indicators and maps were presented. KEY FINDINGS: In total, 16 133 documents were retrieved. Most frequently encountered author keywords, other than adherence/compliance, were HIV, hypertension, diabetes mellitus, schizophrenia, depression, osteoporosis, asthma and quality of life. The number of documents published from 2008 to 2017 represented 62.0% (n = 10 005) of the total retrieved documents. The h-index of the retrieved documents was 223. The USA ranked first (43.1%; n = 6959), followed by the UK (8.6%; n = 1384) and Canada (4.5%; n = 796). The USA dominated the lists of active authors and institutions. Top active journals in publishing research on medication adherence were mainly in the field of AIDS. Top-cited articles in the field focused on adherence to anti-HIV medications, the impact of depression on medication adherence and barriers to adherence. CONCLUSION: Adherence among HIV patients dominated the field of medication adherence. Research on medication adherence needs to be strengthened in all countries and in different types of chronic diseases. Research collaboration should also be encouraged to increase research activity on medication adherence in developing countries.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,018 | 0,052 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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