Scientific efforts on SARS-CoV-2 research: A global survey analysis
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
INTRODUCTION: Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) outbreak has been a global pandemic. Researchers have made great efforts to investigate SARS-CoV-2. However, there are few studies analyzing the general situation of SARS-CoV-2 research at global level. This study aimed to characterize global scientific efforts based on SARS-CoV-2 publications. METHODOLOGY: SARS-CoV-2 -related publications were retrieved using Web of Science. The number of publications, citation, country, journal, study topic, total confirmed cases, and total deaths were analyzed. RESULTS: A total of 441 publications were identified. China contributed the largest number of publications (198, 44.90%), followed by USA (51, 11.56%), Italy (28, 6.35%), Germany (19, 4.31%), and South Korea (13, 2.95%). Upper-middle-income economies (51.70%) produced the most SARS-CoV-2 publications, followed by high-income (45.12%), lower-middle-income (2.95%), and low-income economies (0.23%). The research output had a significant correlations with total confirmed cases (r = 0.666, p = 0.000) and total deaths (r = 0.610, p = 0.000). China had the highest total citations (1947), followed by USA (204), and Germany (54). China also had the highest average citations (9.83), followed by Netherlands (5.80), and Canada (5.43). The most popular journals were Journal of Medical Virology, Eurosurveillance, and Emerging Microbes and Infections. The most discussed topic was the epidemiology of SARS-CoV-2. CONCLUSIONS: Scientific research on SARS-CoV-2 is from worldwide researchers' efforts, with some countries and journals having special contributions. The countries with more total confirmed cases and total deaths tend to have more research output in the field of SARS-CoV-2. China was the most prolific country, and had the highest quality of publications on SARS-CoV-2.
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 | 0,078 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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