[Analysis of research hotspot and frontier of severe coronavirus disease 2019: visual analysis based on CiteSpace].
Notice bibliographique
Résumé
OBJECTIVE: To analyze the research hotspot and frontier of severe coronavirus disease 2019 (COVID-19) in China and abroad. METHODS: The CiteSpace software was used to visually analyze the relevant research of severe COVID-19 published by CNKI and Web of Science databases from January 30th to April 20th in 2020. The analysis content included the author of the literature, the publishing institutions, and high-frequency keywords. RESULTS: There were 389 Chinese literatures and 59 English literatures included. Analysis using CiteSpace software showed that there were four large teams in China currently concerning about the research on severe COVID-19. The co-authoring of each team was relatively close, but the teams were lack of cooperation. The main issuing institutions were affiliated hospitals of colleges and universities, but colleges and enterprises had less participation. The authors of English-language publications mainly had five research teams, some of whom had co-authored relationships. The country with the most enormous volume of English-language publications was China, followed by the United States and Canada. The Chinese keyword co-occurrence, clustering and highlighted words analysis showed that the main research areas of severe COVID-19 included clinical features, traditional Chinese medicine treatment, medical imaging, integrated traditional Chinese and Western medicine treatment and so on; nucleic acid detection, clinical features and diagnosis, plague theory and etiology mechanism, traditional Chinese medicine and integrated Chinese and Western medicine treatment, severe COVID-19 combined with diabetes and prognosis research will become future research trends; keyword cluster analysis showed that severe COVID-19, combined chronic underlying diseases, CT imaging characteristics will also become new trends in the field of research. Co-occurrence analysis of keywords in English literatures showed that the main research areas of severe COVID-19 included the names of novel coronavirus, pandemic diseases, infectious diseases, medical supplies distribution, and indicators related to myocardial damage. CONCLUSIONS: Researchers in China and abroad have different concerns about severe COVID-19. Domestic research focuses on the diagnosis and treatment of severe cases, while foreign countries attach importance to epidemic response and prevention.
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 | 0,005 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,088 | 0,076 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».