Adverse childhood experiences (ACEs) research: A bibliometric analysis of publication trends over the first 20 years
Notice bibliographique
Résumé
BACKGROUND: The relative health and robustness of a field of research can be approximated by assessing peer reviewed journal publication trends for articles pertinent to the field. To date, there have been no such assessments of the burgeoning research on adverse childhood experiences (ACEs). OBJECTIVE: The overall goal of this study was to examine ACEs research trends using bibliometric methods. More specifically, we sought to describe observed publication trends of the ACEs literature from its inception in the late 1990s. We also analyzed the nature of ACEs publications with regard to key characteristics of main outcomes, levels of analysis, and populations of primary focus. METHODS: A search was conducted using Scopus to identify English language papers on ACEs published in peer-reviewed journals between 1998 and 2018. The primary field of research was determined by having independent raters code the title of the publishing journal into distinct categories. Main research outcomes were similarly coded. RESULTS: A total of 789 articles on ACEs appearing in 351 different academic journals were published between 1998 and 2018. There was considerable growth in the number of ACEs papers published over the past several years. General medicine and multidisciplinary research were the most frequent of 12 primary fields of research characterizing ACEs research. Of 16 primary outcomes on which ACEs research focused, the most common were mental health and physical health. CONCLUSION: Significant growth in ACEs research over the past several years suggest the field is thriving. Observed publication trends and publication characteristics are discussed briefly.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,093 | 0,360 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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; 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 ».