Research Combining Physical Activity and Sleep: A Bibliometric Analysis
Notice bibliographique
Résumé
This study used a bibliometric analysis through the Scopus database to examine papers that combined physical activity and sleep, published between 1979 and 2018. Bibliometric indicators of productivity included publication volume and citation distribution, top 10 authors, average authors per paper, single- and multicountry collaboration, collaborative index, top 10 countries, leading journals, highly cited papers and network visualization for coauthorship, international collaboration, and co-occurrence of author keywords. The initial search identified 1,509 papers, of which 607 passed through comprehensive screening and were included in the final analysis. Most of the papers were research articles (90.8%) and published in English (90.8%). Most papers (81.4%) were published within the past decade, 2009–2018. The mean number of papers published per year was 15.2, the mean number of citations per paper was 257.3, and the mean number of authors per paper was 5.5. International collaboration was evident for 21.6% of the papers, and 95.6% of papers were multiauthored. The most prolific publishing institutions and authors were from the United States, Canada, Australia, Switzerland, and Brazil. Keyword analysis suggested that almost all age groups and study designs were covered, but most papers focus on noncommunicable diseases. Although there has been a rise in scientific production on combined physical activity and sleep research in recent years, future work in this area should include researchers from 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.
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 | 0,022 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,269 | 0,307 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| 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 ».