Evolution of military medicine literature: a scientometric study of global publications on military medicine between 1978 and 2017
Notice bibliographique
Résumé
OBJECTIVES: Scientometrics is a popular statistical discipline providing data relevant to publication patterns and trends in a certain academic field. There are no scientometric analyses of publications produced in military medicine literature. The present study aims to perform a holistic analysis of military medicine literature. METHODS: . All indexed documents between 1978 and 2017 were included. Countries, authors, institutions, citations and keywords relevant to the military medicine literature were comprehensively analysed. An infomap revealing global productivity and infographics of scientometric networks were generated. RESULTS: A total of 48 240 published items were found, 82.29% of which were original articles. USA, covering 56.66% of all literature dominated the military medicine field followed by the UK, China, Canada and Israel. We found that 18 of 20 most productive institutions in the world were from USA and the US Department of Defense was the most contributing institution in the literature with 9664 documents. The most used keywords over a 40-year period were 'military', 'veterans', 'posttraumatic stress disorder' and 'military personnel'. A scientometric network of keywords showed a complicated 'starburst pattern'. CONCLUSION: All most contributing countries except Turkey, China and Israel were developed nations. Only one institution (Tel Aviv University) from developing countries was noted in the list of 20 most productive institutions. The researchers from developing and the least developed countries should be encouraged and supported to carry out novel studies on military medicine.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».