The influence of complexity: a bibliometric analysis of complexity science in healthcare
Notice bibliographique
Résumé
OBJECTIVES: To analyse trends in the academic literature applying complexity science to healthcare, focusing specifically on bibliometric characteristics and indicators of influence. DESIGN: This study reports a bibliometric analysis via a systematic search of the academic literature applying complexity science to healthcare. METHOD: A search of four academic databases was performed on 19 April 2018. Article details were downloaded and screened against inclusion criteria (peer-reviewed journal articles applying complexity science to healthcare). Publication and content data were then collected from included articles, with analysis focusing on trends over time in the types and topics of articles, and where they are published. We also analysed the influence of this body of work through citation and network analyses. RESULTS: Articles on complexity science in healthcare were published in 268 journals, though a much smaller subset was responsible for a substantial proportion of this literature. USA contributed the largest number of articles, followed by the UK, Canada and Australia. Over time, the number of empirical and review articles increased, relative to non-empirical contributions. However, in general, non-empirical literature was more influential, with a series of introductory conceptual papers being the most influential based on both overall citations and their use as index references within a citation network. The most common topics of focus were health systems and organisations generally, and education, with recent uptake in research, policy, and change and improvement. CONCLUSIONS: This study identified changes in the types of articles on complexity science in healthcare published over time, and their content. There was evidence to suggest a shift from conceptual work to the application of concrete improvement strategies and increasingly in-depth examination of complex healthcare systems. We also identified variation in the influence of this literature at article level, and to a lesser extent by topic of focus.
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 | 0,028 | 0,210 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,209 | 0,240 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».