Disparities in Cardiovascular Research Output and Disease Outcomes among High-, Middle- and Low-Income Countries – An Analysis of Global Cardiovascular Publications over the Last Decade (2008–2017)
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.
Notice bibliographique
Résumé
Background: Cardiovascular disease (CVD) is the leading cause of death and disability worldwide. Health research is crucial to managing disease burden. Previous work has highlighted marked discrepancies in research output and disease burden between high-income countries (HICs) and low- and lower-middle-income countries (LI-LMICs) and there is little data to understand whether this gap has bridged in recent years. We conducted a global, country level bibliometric analysis of CVD publications with respect to trends in disease burden and county development indicators. Methods: A search filter with a precision and recall of 0.92 and 0.91 respectively was developed to extract cardiovascular publications from the Web of Science (WOS) for the years 2008-2017. Data for disease burden and country development indicators were extracted from the Global Burden of Disease and the World Bank database respectively. Results: Our search revealed 847,708 CVD publications for the period 2008-17, with a 43.4% increase over the decade. HICs contributed 81.1% of the global CVD research output and accounted for 8.1% and 8.5% of global CVD DALY losses deaths respectively. LI-LMICs contributed 2.8% of the total output and accounted for 59.5% and 57.1% global CVD DALY losses and death rates. Conclusions: A glaring disparity in research output and disease burden persists. While LI-LMICs contribute to the majority of DALYs and mortality from CVD globally, their contribution to research output remains the lowest. These data call on national health budgets and international funding support to allocate funds to strengthen research capacity and translational research to impact CVD burden in LI-LMICs.
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.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle