A bibliometric analysis of publications on trauma in critical care medicine during 1980-2018: A holistic view
Notice bibliographique
Résumé
BACKGROUND: There is not a holistic bibliometric study evaluating the publications in the literature even though trauma is a paramount subject in the field of critical care. This study aimed to investigate the important articles and journals receiving the most citations and publishing the most articles, revealing international cooperation and uncovering trend topics in this subject as a consequence of analyzing articles on trauma in the field of critical care published between 1980 and 2018 using bibliometric analysis methods. METHODS: Publication scan in this study was performed using Web of Science (WoS) database. Literature review was limited to only publications indexed in the field of Critical Care. "Trauma" was used as the keyword to reach relevant publications. Linear regression analysis was performed to predict the number of articles foreseen to be published in the upcoming years in the subject of trauma. RESULTS: As a result of the literature review, a total of 10851 publications were found. Six thousand four hundred and eighty-nine (59.8%) of these publications were under the category of article. First three countries with the most publications were respectively as the United States of America (4096) (63.1%), Canada (401) and Germany (380). Turkey ranked 21 with 41 publications. The article titled "Evaluating trauma care - the triss method" published in 1987 had received the most citations. The journal with the most publications and citations was "Journal of Trauma Injury Infection and Critical Care". CONCLUSION: This study will be a useful guide to all scientists and clinicians conducting research on trauma in critical care.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,038 | 0,070 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».