MétaCan
Menu
Retour à la cohorte
Enregistrement W3012083313 · doi:10.3389/fpsyt.2020.00182

The Arab Region's Contribution to Global Mental Health Research (2009–2018): A Bibliometric Analysis

2020· review· en· W3012083313 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFrontiers in Psychiatry · 2020
Typereview
Langueen
DomainePsychology
ThématiqueMental Health Treatment and Access
Établissements canadiensImpactMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMental healthMiddle EastPer capitaLatin AmericansEconomic growthBibliometricsPopulationPublicationPolitical scienceGeographyMedicineLibrary scienceEnvironmental healthPsychiatry

Résumé

récupéré en direct d'OpenAlex

Background: Mental health research output in the Arab region is increasing, yet little is known about its recent landscape. This study provides a bibliometric analysis of mental health research in all 22 Arab countries over the past decade. Method: We used 760 journals and numerous keywords to search for articles published between 2009 and 2018 by individuals affiliated with institutions located in the Arab region. We analyzed data within Arab countries and between Arab and non-Arab countries. Results: We found that research output in the Arab world has increased by almost 160% in the past ten years, in comparison to 57% for the rest of the world. The quality of publications has also steadily improved, and so did international collaboration. Despite the progress, the number of articles per capita remains remarkably lower for the Arab world compared to the rest of the world. Also, the majority of articles continue to emanate from a limited number of countries (Egypt, Saudi Arabia, and Lebanon) and institutions within these countries. Mental health research topics in the Arab region are similar to those found in low- and middle-income countries of Africa, Asia, Latin America, and the Caribbean. Conclusion: The region needs to invest more in mental health research to close the gap with other medical and healthcare research areas and with the rest of the world. The region also needs to increase its international collaboration and research training to produce higher-quality studies, attract more funding, and publish more in top journals. As the region’s population continues to face increasing trauma as a result of war and terrorism, among others, the field is afforded an opportunity to establish a major standing in the healthcare domain. Researchers are uniquely poised to use their body of research evidence to effectively help people reengage with their environments and return to daily life activities.

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.

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaBibliométrie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
gptBibliométrie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devishigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Bibliométrie
Catégories consensuellesBibliométrie
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,515
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0370,269
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,102
Tête enseignante GPT0,485
Écart entre enseignants0,384 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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